ホットトピック継続更新中
研究团队推出长程就医代理智能体评测基准BABA-Bench
1 件の報道1 件の報道元6 時間前 更新
まずこの件を把握する
AI 概要
2026年11月2日，研究人员推出长程就医代理智能体评测基准 BABA-Bench。该基准包含47个由真实脱敏案例构建的交互环境，旨在同时评估智能体的任务结果与流程合规性。评测结果显示，在针对14个前沿模型进行的1,974次测试中，达成目标要求的921次运行里有28%未遵循必要流程。其中，Claude Opus 5模型虽然在81.6%的运行中成功完成目标，但其完全合规率仅为52.5%。
AI が報道をもとに生成 · 6 時間前 更新
最新の進展11月2日 13:00
研究团队推出BABA-Bench基准，测试显示达成目标的模型运行中有28%违规。報道タイムライン
報道をたどり、出来事のさまざまな側面を知る。
11月2日
- arXiv 人工智能研究团队推出长程就医代理智能体评测基准 BABA-Bench
研究人员推出长程就医代理智能体评测基准 BABA-Bench，包含 47 个由真实脱敏案例构建的交互环境，用于同时评估智能体的任务结果与流程合规性。在针对 14 个前沿模型的 1,974 次评测中，达成目标要求的 921 次运行里有 28% 未遵循必要流程，Claude Opus 5 虽在 81.6% 运行中完成目标，但完全合规率仅为 52.5%。
このストーリーのホット度の推移
現在のホット度 8·比較可能範囲のピーク 10（11月2日 14:00）·直近24時間の比較可能な変化–
トレンドは継続して完全に観測した同じ主体のみを比較するため、現在のホット度の集計より範囲が狭い場合があります。ポインターの移動やタップで1時間ごとのホット度を確認でき、キーボードでは左右の矢印キーで切り替えられます。