微众研究：评委偏差与漂移令 AI Agent 评测指标约五周失效

micro1 经济研究单位（ERU）发布首篇论文，基于 2611 次真实访谈数据指出 AI agent 评测受评委偏差污染：同一 agent 在同一任务上评分两次，宽松标准下可拿人类方法产出约三分之一分数，按任务自身严格标准则不足五分之一；评委效应盖过 agent 的真实进步，评测指标约五周即失效，凸显 AI agent 评测体系亟需修正。

2026-10-14 ~ 2026-10-15 · 3 条相关

• 同一 Agent 同一任务评两次：严格标准下得分不足五分之一 — YvesMulkers · 2026-10-14
• 微众研究:AI Agent 评测指标受评委偏差污染,约五周即失效 — Exp_Mark · 2026-10-15

另有 1 条近重复转述:Exp_Mark