NVIDIA论文测试长程智能体可靠性

2026年10月2日，NVIDIA发布论文《Staying on Task: Testing the Foundations of Long-Horizon Agent Reliability》（arXiv:2609.38712），提出名为 Long-Transduction 的诊断方法，用于测试模型在长生成过程中持续保持任务的能力。据 X 用户 Rohan Paul 转述，该论文的测试显示：在 128K token 任务上，模型准确率比 4K token 任务低 62.8%；其表述称 AI 模型在任务变长时表现变差，即使仍在上下文窗口内，并建议对条目编号、把大任务拆成小块。上述数字与结论均来自该转述，论文原文细节尚未在报道中进一步披露。

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。