论文提出决策价值框架评估AI智能体重启监控器

论文指出仅靠分类准确率无法判断AI智能体重启监控器是否提升成功率，提出决策价值框架，包括决策充分性准则和无模型决策审计方法。在SWE-bench Verified的194次模型执行中，发现重启收益受残余预算成功率影响，部分模型出现2.29点收益或42.29点损失，但前瞻性任务组未复现收益，103次实时比较均未达认证标准。