新论文：迈向AI智能体可靠性科学

Stephan Rabanser、Sayash Kapoor与Arvind Narayanan发布论文《Towards a Science of AI Agent Reliability》，将可靠性分解为12个维度，并在GAIA与TauBench两个互补基准上评测了14个模型，发现近18个月能力快速提升但可靠性改善有限。