Breuch团队构建混乱工作任务模拟环境

Justin Breuch主导的团队构建了一套更贴近真实工作的机器可读模拟环境，用于评测AI智能体在模糊指令、错误数据等混乱条件下的表现。在示例任务中，智能体担任学术协调员，判断学生是否不当使用AI，并与人类同事共同撰写案件报告、通知干系人；书面政策和邮件作为工作素材提供。 团队后续计划加入工作流中途插入新邮件等动态变化，以进一步测试智能体应对复杂任务的能力。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。