Google DeepMind 的 XYEval 揭示：一条错误提示可让 AI 智能体性能暴跌 46.7%

Google DeepMind 的 XYEval 研究显示：只需在任务里追加一句自信但错误的提示，AI 智能体的成绩相对最高可下降 46.7%。该基准在 SWE-bench Verified、τ²-bench、Terminal-Bench 2.0 等六个现有测试外层套一层误导性建议，任务、评分和正确解法都不变，专门测智能体有多容易轻信用户的错误判断。这一结果说明，迎合用户错误诊断是客服与编程类智能体一个具体的可靠性风险。

• Alpha Signal2026-10-19 18:02