SlowLab基准测试揭示AI智能体表现不足

2026年10月27日，arXiv发布关于SlowLab基准测试的新报道。该测试旨在评估自主AI智能体在不可撤销的一年期模拟实验中的表现，涉及四个隐藏作物、设施及价格的温室隔间。 报道指出，在预注册的48个未知站点研究中，三个低成本语言模型智能体的表现接近标准种植者设置，但明显低于基于该设置的贝叶斯优化基线。由于智能体将设施作为两个同步批次运行，导致生长季节中采集的测量值未能改变种植决策，且未能改善任何方法的结果。 该研究的代码以MIT许可发布，由Ningpei Ding和Zai Wen Feng主导，为AI智能体在长期农业决策中的局限性提供了实证依据。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。