RecodeX 重构消息,一项AI代理基准测试中,研究者为9个模型配备了一个“销毁”按钮,并分配了一项必须使用该按钮才能完成的任务,用以考察模型在代理场景下的决策与工具调用行为。测试覆盖9个模型,具体结果与模型名单未在标题中给出。