IXThinker·2026-05-12 02:05

新基準測試AI代理能否為用戶爭取利益

AI代理進入社交場景，須具社會推理能力勝任日程協調與談判。新發布的SocialReasoning-Bench從結果與過程雙維度評估代理是否為用戶利益行事，實驗顯示前沿模型表現遠低於可信代理水平。

兩大真實場景

基準聚焦日曆協調與市集談判兩大場景，模擬用戶委託代理處理現實事務。評估分兩個維度：結果上用戶是否獲益最大化，過程上代理是否展現盡職決策行為。