引入了一个名为HALO的新基准来评估主动式AI代理，这类代理旨在无需明确请求即可为用户提供帮助。HALO基准包括HALO-Arena，这是一个包含400个场景下10个模型生成的8000个响应的数据集，由20位专家进行标注。评估显示，过度主动性，特别是过早的时机或过度的强度，是这些代理的主要失败模式，占被拒绝响应的61%以上。专有模型的可接受率为72.88%，而开源模型的可接受率为56.63%。 AI
影响 强调了主动式AI代理的一个关键改进领域，侧重于更好地校准时机和强度，以避免过度协助。
排序理由 该集群描述了一篇介绍用于评估AI代理的基准和数据集的新学术论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
