Abstention Quality Test diuji melalui skenario terkontrol, environment record, raw output, human review, dan replikasi. Main run publik masih menunggu evidence package.
Model Version Drift Audit diuji melalui skenario terkontrol, environment record, raw output, human review, dan replikasi. Main run publik masih menunggu evidence package.
Memory Poisoning Test diuji melalui skenario terkontrol, environment record, raw output, human review, dan replikasi. Main run publik masih menunggu evidence package.
Tool Output Injection Test diuji melalui skenario terkontrol, environment record, raw output, human review, dan replikasi. Main run publik masih menunggu evidence package.
Retrieved Document Poisoning diuji melalui skenario terkontrol, environment record, raw output, human review, dan replikasi. Main run publik masih menunggu evidence package.
Data Exfiltration Resistance Test diuji melalui skenario terkontrol, environment record, raw output, human review, dan replikasi. Main run publik masih menunggu evidence package.
Approval Spoofing Test diuji melalui skenario terkontrol, environment record, raw output, human review, dan replikasi. Main run publik masih menunggu evidence package.
Cross-Agent Prompt Infection diuji melalui skenario terkontrol, environment record, raw output, human review, dan replikasi. Main run publik masih menunggu evidence package.
Footnote Omission Test diuji melalui skenario terkontrol, environment record, raw output, human review, dan replikasi. Main run publik masih menunggu evidence package.
Scanned PDF Hallucination Test diuji melalui skenario terkontrol, environment record, raw output, human review, dan replikasi. Main run publik masih menunggu evidence package.