AGI Hunt· maier_ak·2026-11-17 13:30· 2 小时前AI 评分43配备工具与资料库后,手术 AI 判断力仍不达标配备工具与资料库后手术 AI 判断力仍不达标AI 导读配备分割工具和精选资料库的手术 AI agent 在器械与动作识别方面有所改善,但安全清单核查与技能评分没有提升,额外证据有时还会造成误导。作者认为该基准虽未测试前沿模型、困难集较小且使用离线帧,仍能揭示工具辅助“看得见”却难保证“判断得准”的局限。来源:AGI Hunt · agihunt.infoAgent 智能体推理能力论文研究评测基准#论文/研究#评测/基准#Agent#推理查看事件全部后续