Google DeepMind 发布 XYEval，测试智能体是否盲从用户的错误建议

Google DeepMind 发布 XYEval 论文，在 tau2-bench、SWE-bench、Terminal-Bench、HLE 和 MCP-Atlas 任务中加入一条自信但误导的用户建议，任务与正确解法不变。