评测 AI 智能体交接过程中的任务接管能力

研究推出包含 1,039 个任务的 HSC-Bench 基准，用于评估 AI 智能体在任务交接中恢复仓库证据及延续工作状态的能力。对 6 个接收模型的测试显示，结构化交接状态提升了所有模型的证据恢复表现与多数模型的延续性能。两项赛道的最优模型存在差异，表明单一证据恢复排名无法反映继承状态下的延续表现。