งานวิจัย
Microsoft DELEGATE-52 — แม้ frontier model ก็ทำเอกสารพังเงียบ ๆ 25% ใน workflow ยาว ๆ
Microsoft Research เปิด benchmark DELEGATE-52 พิสูจน์ว่าแม้ Gemini 3.1 Pro, Claude 4.6 Opus และ GPT 5.4 ก็ corrupt เนื้อหาเอกสารโดยเฉลี่ย 25% หลังทำ delegated task ยาว ๆ — และยิ่งเปิดให้ใช้ tool/มี distractor file ยิ่งแย่ ไม่ดีขึ้น
· อ่าน 6 นาที