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
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。
17
0
2025-09-04
