XYEval：评估智能体盲从错误建议的基准

面对包含误导或低效提示的输入，AI 智能体常常表现出顺从倾向。新基准 XYEval 关注智能体在接收不良建议时的决策表现，测试其能否识别潜在谬误而非盲目执行。当自主系统被赋予更多执行权限，拒绝错误指令与纠偏的能力正成为新的检验尺度。