Industry & Practice · Tagged “ATOBench”

Research & Benchmarks/2026-08-13/10 min

做得多不等于验得上：阿里云 ATOBench 把证据链从结果里拆出来

450 个回合、225 对。直接证明的 grounded verification 从 44.0% 到 0%，五个模型全是 0。归属从 45.3% 到 40.0%，凭据从 84.0% 到 58.7%。动作变多没有把证明找回来。