行业与实践 · 研究与基准测试

研究与基准测试/2026-09-30/16 分钟

UserProxyBench：用户模拟器会改写智能体基准结果

把智能体固定为 GPT-5.5、只换用户代理，375 道企业任务的平均奖励变动 15.2 分。成功回合里 24.4% 违反用户合同，主因是过早披露；它几乎不改变奖励，却让智能体平均少做 1.06 次工具调用。