LLM 可靠性
2 published articles
人工智能2 min read
AI 研究
当你授权时，大语言模型会破坏你的文档：深入解读 DELEGATE-52 基准测试
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
人工智能3 min read
研究分析
委托工作流中的AI文档损坏：新压力测试揭示的问题
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