概念long-horizon tasks
长链条任务
评估AI智能体能力的核心概念，指需要多个连续步骤、每步依赖前一步结果、且中途很可能出错的复杂任务。难点在于误差累积，即使单步成功率高，整体成功率也会随步骤增加而快速下降。
时间轴 (近 90 天)
10月15日
红队承认目前模型在长链条任务中的可靠性仍然有限。
待验证50%
10月15日
长链条任务是指需要多个连续步骤、每步都依赖前一步结果、且中途很可能出错的复杂任务，其难点在于误差累积。
待验证50%
评估AI智能体能力的核心概念，指需要多个连续步骤、每步依赖前一步结果、且中途很可能出错的复杂任务。难点在于误差累积，即使单步成功率高，整体成功率也会随步骤增加而快速下降。
红队承认目前模型在长链条任务中的可靠性仍然有限。
长链条任务是指需要多个连续步骤、每步都依赖前一步结果、且中途很可能出错的复杂任务，其难点在于误差累积。