智能体说做完了，先别信。 谷歌和港大的 VeriCUA 只查机器状态，不看汇报：文件存没存、数据对不对得上，逐项核实。 ScienceBoard 误报率只有… · @xiaoanlab · TwKit

@xiaoanlab

智能体说做完了，先别信。 谷歌和港大的 VeriCUA 只查机器状态，不看汇报：文件存没存、数据对不对得上，逐项核实。 ScienceBoard 误报率只有 5.4%，3 个环境里拦下约 80% 的假完成报告。 对拿智能体跑任务的人来说，你信汇报，还是只认机器状态？ #AI智能体 #AI评测 @grok

曝光 12 · 评论 2 · 点赞 0 · 书签 0