HALO 基准：人类标注评估主动式 Agent，过度主动成主要失败模式
2077AIDataFoundation · hf · 2026-11-02
UC Davis、2077AI 与 USC 团队发布 HALO（Human-Grounded GrAular EvaLuation of Proactive Agents）基准与数据集，用于评估主动式智能体——即在无显式请求时决定是否、何时以及介入多深的 agent。
- HALO-Arena 覆盖依赖（Dependency）、阻碍（Blockage）、风险（Risk）、机会（Opportunity）4 类主动需求，横跨 10 个日常领域、50 个个人环境
- 现有评估多依赖自动分数或二元判定，难以诊断证据使用与干预质量；HALO 用人类标注做细粒度评估
- 核心发现：过度主动（over-proactivity）是主动式 agent 的主要失败模式
- 强调有用介入需识别「何时该克制」：可提醒但不越权执行
「研究」频道最新
- NVIDIA 提出弹性潜循环 ELR：一个 4B 模型循环四次精度提升 7.25 分 — burny_tech · 2026-11-02
- IBM 推出 STAIR 检索器：无效引用降 65 倍，82.6% 命中率超 DSI — solyarisoftware · 2026-11-02
- ReLift:用轨迹修复做稠密3D跟踪，WorldTrack精度登顶且快2.7倍 — Technion · 2026-11-02
- 分析师解读机器人「惊人跃升」：本质是把任务对齐到 LLM 已预训练的技能 — robrombach · 2026-11-02
- 929GB 最大开放 STEM 显微数据集入选 NeurIPS Workshop — charlesxjyang · 2026-11-02
- 自建宇宙「关系优先」模拟：预注册判据下首跑未通过 — tallmetommy · 2026-11-02