普林斯顿与谷歌新论文：在孤立问题上表现最好的决策模型，在智能体任务中仅完成 69.5%
这条推文转述的普林斯顿大学与谷歌论文发现：在孤立问题上最准的决策模型，只完成了 69.5% 的智能体任务；而一个在智能体状态上训练的 4B 模型完成了 91.5%。这说明单题问答的准确率很难迁移到多步执行的 Agent 场景。对如何评测和选择 Agent 模型，这是一个直接的提醒。
报道来源 · SOURCES
- Rohan Paul2026-10-19 09:04
这条推文转述的普林斯顿大学与谷歌论文发现：在孤立问题上最准的决策模型，只完成了 69.5% 的智能体任务；而一个在智能体状态上训练的 4B 模型完成了 91.5%。这说明单题问答的准确率很难迁移到多步执行的 Agent 场景。对如何评测和选择 Agent 模型，这是一个直接的提醒。