KAIST 与微软亚洲研究院发布 SIRIS 基准：检验 LLM 智能体判断仿真误差是否导致设计建议失效的能力

KAIST 与微软亚洲研究院发布 SIRIS 基准，检验 LLM 智能体能否识别模拟器的建模局限，并判断其何时会使设计推荐失效。核心发现是，识别局限并不等于做出正确设计选择，基于评审的自我纠错机制效果参差，凸显 LLM 在 AI 自动化系统研究闭环中的能力短板。