AI代理正逐步进入社交场景，需具备社会推理能力以胜任日程协调、交易谈判等任务。SocialReasoning-Bench基准据此设计，聚焦Calendar Coordination和Marketplace Negotiation两大真实场景，从结果（用户获益最大化）与过程（尽职决策行为）双维度评估代理表现。实验表明，当前前沿模型虽能完成任务，却常接受次优方案，未能有效代表用户主张权益；即使通过提示工程强化用户利益导向，其表现仍远低于可信代理应有水平。该基准凸显社会推理能力的短板与提升紧迫性。（200字）

本专栏通过快照技术转载，仅保留核心内容

内容中包含的图片若涉及版权问题，请及时与我们联系删除