1 published article
研究分析
DELEGATE-52基准测试评估了AI系统在长期委托文档编辑任务中的表现，发现前沿模型在20次迭代后累积语义保真度损失19%, 34%。Python工作流平均退化率低于1%，但研究强调，可靠的长期委托仍是一个未解决的挑战。
2026-07-04