1 published article
AI 研究
DELEGATE-52 基准测试揭示，当前大语言模型在接受多步骤文档编辑任务时会出现保真度累积退化。在 20 轮迭代中，错误影响了 19% 至 34% 的工件内容，但 Python 工作流的损失低于 1%。该研究是一个诊断工具，而非对 AI 实际效用的最终定论。
2026-07-05