Google DeepMind 发布 XYEval 论文，在 tau2-bench、SWE-bench、Terminal-Bench、HLE 和 MCP-Atlas 任务中加入一条自信但误导的用户建议，任务与正确解法不变。 🔗 阅读原文 via AIHOT · https://aihot.news/items/cmug3tk310ebwrogvrx64mb9n
信息源：AI HOT · 全部动态
- 原文链接：Google DeepMind 发布 XYEval，测试智能体是否盲从用户的错误建议
- 分类：论文
- 作者：X：DAIR.AI (@dair_ai)
- 发布时间：2026/09/25 06:00
评论0