★ 3
BlindToChange：AI 智能体能查到变化，却不会主动去查
论文提出 BlindToChange 基准，衡量智能体是否会主动发现影响其回答的近期事件：请求中的明显候选因现实事件失效，事件自动取自 Wikidata 可定期刷新。结果显示，当近期事件未被明确提及时，系统性能最多下降 27.5 分，即便推理投入很高。轨迹分析表明过半失败源于智能体未直接搜索验证相…
arXiv NLP4 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 BlindToChange 基准，衡量智能体是否会主动发现影响其回答的近期事件：请求中的明显候选因现实事件失效，事件自动取自 Wikidata 可定期刷新。结果显示，当近期事件未被明确提及时，系统性能最多下降 27.5 分，即便推理投入很高。轨迹分析表明过半失败源于智能体未直接搜索验证相…