行业与实践 · 研究与基准测试

研究与基准测试/2026-09-30/7 分钟

主流 Agent 基准可以被打穿：分数不再等于能力

加州大学伯克利等研究者报告，八个主流 Agent 基准都能在不真正解题的情况下拿到接近满分。采购和发布不该再把榜单分数当成能力本身。