SocialReasoning-Bench:衡量 AI 智能体是否以用户最佳利益行事

Microsoft Research 推出 SocialReasoning-Bench 基准,通过日历协调与市场议价两个贴近现实的场景,评估 AI 智能体代表用户进行社交推理与谈判的能力,并同时衡量结果最优性(为用户争取到的价值)与尽职程度(决策过程质量)。研究发现:前沿模型几乎都能完成任务,却常常接受次优的会议时间或糟糕的交易;即便采用明确的防御性提示,表现仍远低于可信代理应有的水平。