NVIDIA 论文测试长程智能体可靠性：128K token 任务准确率比 4K 低 62.8%

NVIDIA 发布论文《Staying on Task: Testing the Foundations of Long-Horizon Agent Reliability》，提出 Long-Transduction 诊断方法，用于测试模型在长生成中持续保持任务的能力。测试显示，128K token 任务的准确率比 4K 低 62.8%。