DelegationBench：衡量 AI 智能体何时该先询问再行动

针对 AI 智能体自主行动与征求用户确认的决策评估，研究者提出 DelegationBench，用 156 个场景测试现有评分是否可信。每个场景有行动、请求许可、询问缺失信息、拒绝四种可选回应，且多数场景以配对形式出现，仅改变一个特征，例如行动是否被要求、涉及何种风险。