arXiv 自然语言处理· Anirudh Phukan, Tanya Goyal, Danish Pruthi·· 8 hours agoAI score46
BlindToChange：AI 智能体被明确提问时能查到现实变化，但会在需要时主动检索吗？
BlindToChange: AI Agents Can Find Changes When Asked But Do They Look When Needed?
Not yet translated; shown in Chinese.
AI guide
研究团队推出 BlindToChange 评测基准，用于评估 AI 智能体能否主动检索并发现影响回答的近期现实变化。测试显示，在未明确提及近期事件的情况下，系统性能差距高达 27.5 分，即使在高 reasoning effort 下依然存在。搜索轨迹分析表明，超半数失败源于智能体未主动搜索验证相关事实是否发生改变；该基准事件取自 Wikidata 并可定期刷新。
Source:arXiv 自然语言处理 · arxiv.org