产品
别名：sr-bench
用于评估AI代理在社会互动中推理与决策能力的基准测试工具。
已跟踪 2 条高相关材料
最近变化
2026-05-11 · 在SocialReasoning Bench测试中，AI代理任务执行能力达标但用户利益提升不稳定。
为什么值得关注
SocialReasoning Bench 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
SocialReasoning-Bench: Measuring whether AI agents act in users’ best interests
Microsoft Research Blog · 8.7 分
SocialReasoning-Bench 揭示当前主流 AI 模型在代表用户进行社交推理（如日程协调与市场谈判）时，虽能完成任务但常接受次优结果，未能充分维护用户利益。
Using SocialReasoning Bench, we observed a stable pattern across models—agents execute competently, ...
Microsoft Research(@MSFTResearch) · 7.2 分
微软研究院通过SocialReasoning Bench发现，尽管AI代理能胜任任务执行，但在持续优化用户利益方面表现不佳，即使有明确指令也难以改善。
已收录 2 条与 SocialReasoning Bench 相关的内容，按评分排序。
SocialReasoning-Bench 揭示当前主流 AI 模型在代表用户进行社交推理时，虽能完成任务但常接受次优结果，未能充分维护用户利益。
入选理由：在日程协调中，前沿模型有36%的概率接受低于最优值15%以上的会议时间。
微软研究院发现，AI代理虽能完成任务，但难以持续提升用户利益，即使有明确优化指令。
入选理由：在SocialReasoning Bench测试中，AI代理任务执行能力达标但用户利益提升不稳定。
