跳到内容

AI智能体尚未准备好:52领域基准测试揭穿自动化神话

DELEGATE-52基准测试覆盖52个专业领域,发现顶级AI智能体在长任务链中普遍出现数据丢失和输出损坏,仅Python编程一个领域通过了可靠性门槛。

已更新 24 Jul 2026 6 min read 编辑方针
Consent Preferences