实测派质疑外推基准:agent 能否完成四小时真任务

AIFlow_ML · x · 2026-11-17

针对用外推时间跨度(extrapolated horizons)衡量 agent 能力的做法,作者认为这种指标无法回答 agent 能否真正完成一个持续四小时的实际任务,主张「要么给出实测运行结果,否则免谈」。

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →