研究团队推出智能体评测系统AlphaDiana

2026年10月16日，研究团队推出面向可验证推理任务的智能体评测度量系统AlphaDiana，用于解耦分析模型调用、工具执行、技能指导与记忆保留对智能体表现的影响。基于3款开源模型与3种开源harness的测试结果显示，智能体框架并不总能提升推理准确率，工具带来的新增解题收益容易被单模型原本答对题目的失误所抵消。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。