arXiv：cs.CL（计算语言学，全量分类）· Nusrat Jahan Lia, Shubhashis Roy Dipta·· 3 小时前AI 评分60
BACKDROP 基准揭示 Agent 在动态环境下的能力衰减
The Backdrop Exposes What the World Around an Agent Costs It
AI 导读
论文提出 BACKDROP 基准，在 Agent 执行环境中植入权威、注入、边界、故障四类日常干扰，测试其能力在动态世界中的留存率。在 3,678 个变体和 16 个模型上，四类干扰齐备时平均通过率从 69.5% 降至 31.3%，最强模型降幅最大（Claude Fable 5.1 从 96.6% 降至 56.0%）。
来源：arXiv：cs.CL（计算语言学，全量分类） · arxiv.org