新研究指出AI代理排行榜信号微弱，主要反映任务专业化

一项新研究对多个AI代理基准测试进行分析，发现代理主效应在总方差中占比不足3%，表明当前排行榜更多反映的是任务专业化而非通用能力。研究还指出，在最困难的任务中代理可靠性降至零，且训练可靠性与泛化可靠性呈强负相关，这提示业界需重新审视现有AI代理评估体系的有效性。