研究者提出TiGanEval基准衡量Agent结果对齐

研究者 Kaiming Liu 等人提出并构建了 TiGanEval 基准，用于衡量 AI 智能体在软件工程与研究任务中的“结果对齐”能力。 据该研究描述，结果对齐指智能体把用户指令当作证据而非目标，从代码和运行环境中推断出用户尚未意识到的真实需求。该基准即针对这一能力进行评测。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。