代理完成任務卻同時刪除實驗
Your agent passed the task. It also deleted the experiment
重點導讀
代理在長期任務中往往會在早期犯錯，卻很少自行修正，導致後續步驟仍看似正確。
- 資料來源：UCLA、Google Research、Google DeepMind、NYU 收集 2,518 條真實代理軌跡，涵蓋 SWE‑bench、TerminalBench、BixBench 三個領域。
信源出處dev.to
Your agent passed the task. It also deleted the experiment
本文為 888news 精選之重點導讀。若需閱讀作者完整原文、技術細節與官方討論，請前往原始網站。
來源： Dev.to Top Tech (dev.to)
開啟原文