研究者发布BlindToChange基准测AI智能体时效性

Anirudh Phukan 等研究者在 arXiv 发布 BlindToChange 基准，用于衡量 AI 智能体是否会主动发现用户请求中未提及、但影响回答的近期真实世界变化。 该基准的题目是推荐类请求：原本明显的候选答案因近期真实事件已不再适用。基准中的事件自动取自 Wikidata，因此可以周期性刷新，避免题目过时。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。