neng8科技快讯网AI人工智能前沿资讯_汽车数码相机评测_手机电脑硬件百科

微软｜ 搞定长时程、跨应用的Agent，竟然只靠<20%的摘要记忆，反超全文投喂

作为大家的测评博主，我最近发现一个巨有意思的现象：

现在市面上大部分评估 Agent 的基准测试，倾向于考核“单项技能”，而非“综合任务”。比如，你让 AI 点份外卖，它能完成；但如果要求它策划一场涵盖预算、选址、菜单、宾客邀请与流程安排的晚宴，它很可能就原地就 G 了。

这种“偏科”现象并非我的主观感受。