行为规格

论文指出，智能体首先会承诺一种程序结构（将程序分解为数据类型、模块和函数），这固定了一类候选程序，行为规格则在该类中挑选具体实现。

在四个模型和三个基准测试上，表现最佳的骨架规格相比最佳端到端行为规格，平均测试误差降低了48.4%。

行为规格（behavioral specification）指通过输入输出对、测试用例或断言来描述程序“应该做什么”，而不规定“如何实现”，属于黑盒规约。