事件专题 ·官方一手

研究:Web 研究型智能体如何解读用户优先级

arXiv 论文(编号 2611.22989)考察了基于 OpenAI 与 Anthropic 模型的两个 Web 研究型智能体如何理解用户提出的"优先级"指令。实验共 36 次运行,任务为对比 Microsoft 与 Alphabet 两家公司,提示词分别强调增长、韧性或不设优先级。在 24 份带优先级的报告中,21 份确实围绕该优先级展开,但评判标准各不相同:增长优先级下,OpenAI 系报告把风险与可预测性纳入考量、更倾向 Microsoft,Anthropic 系报告按增长速度评判、更倾向 Alphabet;韧性优先级下,多数报告认为 Microsoft 更有韧性。 研究者还分析了报告的搜索记录、返回来源与引用来源,发现测试的搜索与来源指标中,只有 Anthropic 智能体的搜索措辞随条件出现可检测差异,OpenAI 系则无明显变化。这说明同一句用户指令在不同模型里会落到不同的评判框架上,报告的关注点一致不代表结论逻辑一致。 论文据此提出,对研究型智能体的评测应检查报告背后的评判标准,而非只看聚焦度或事实准确性;产品层面可以让用户查看并调整这些标准。对金融分析等高风险场景的使用者,这意味着同样一句"重点关注增长"可能得到方向相反的推荐。

当前结论

同一句"重点关注增长",OpenAI 系智能体倾向 Microsoft,Anthropic 系却选 Alphabet。这篇论文拆开了 36 次实验里两家的评判标准差异,做智能体评测或用它们做研究的人很该看看。

11 个信源31° AI 热度最后更新 2026/11/17 16:07:00

证据链

11 个信源
相关来源 3The Information
查看原文
相关来源 6阿里通义 Qwen
查看原文
相关来源 7阿里云 Alibaba Cloud
查看原文

冲突核查

现有去重数据只说明这些来源讨论同一事件,不代表立场相同。当前没有结构化的支持或反驳证据,不自动推断冲突。