研究与开源 / AI 快讯

arXiv发布BABA-Bench：评估AI智能体在患者倡导任务中的合规性与路径规划能力

持续关注 AI 产品与行业变化

arXiv发布预印本，推出BABA-Bench基准测试47个真实案例。研究评估14款前沿模型，发现多数虽能达成目标但常违规。Claude Opus 5仅半数通过检查，表明主要瓶颈在于寻找路径而非执行。

论文公告时间

2026-11-02 13:00（北京时间）

本站发布时间

2026-11-02 15:44

候选整理时间

2026-11-02 15:43

更正时间

暂无更正