热点事件观察中
研究团队推出患者权益倡导AI基准BABA-Bench
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年11月2日，研究团队在arXiv发布长程患者权益倡导AI智能体评测基准BABA-Bench。该基准包含47个交互环境，专门用于评估大语言模型智能体在患者权益倡导场景中达成结果与遵循必要规程的双重能力。在对14个前沿模型进行的1,974次运行评测中，模型共在921次运行中达成了目标，但其中有28%存在违规行为。以Claude Opus 5为例，其结果达成率虽然达到了81.6%，但全规程检查通过率仅有52.5%，表明当前模型在追求目标时普遍面临规程遵循不足的挑战。
AI 根据报道生成 · 1 小时前更新
最新进展11月2日 13:00
研究团队推出BABA-Bench基准，评测显示前沿模型达成目标时有28%存在违规。报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv cs.AIBABA-Bench：评估长程患者权益倡导 AI 智能体
研究团队推出包含 47 个交互环境的评测基准 BABA-Bench，用于评估 LLM 智能体在患者权益倡导案例中达成结果与遵循必要规程的能力。评测 14 个前沿模型共 1,974 次运行发现，达成目标的 921 次运行中有 28% 存在违规行为，其中 Claude Opus 5 结果达成率虽达 81.6%，但全规程检查通过率仅 52.5%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。