产品
也叫：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。
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。
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。
已收录 2 篇与「SocialReasoning Bench」相关的 AI 资讯和分析。
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。
与「SocialReasoning Bench」经常一起出现的 AI 术语。
💡 想追踪「SocialReasoning Bench」的长期趋势？去 实体雷达 · SocialReasoning Bench 查看详细分析和跨材料问答。
