这项由北京邮电大学联合伊利诺伊大学芝加哥分校和重庆邮电大学共同完成的研究发表于2026年2月，论文编号为arXiv:2602.03238v1。研究团队深入分析了当前大型语言模型智能体评估中存在的根本性问题，并提出了统一评估框架的必要性。 当我们在学生时代参加考试时，最担心的莫过于遇到一场不公平的考试。有的同学可能提前知道题目类型，有的同学使用更好的文具，有的同学甚至在考试环境更安静的教室里答题。如 ...