拿大奖的不一定是更强的模型，有时反倒是那个专挑模型毛病的测试。ACL 2026上，阿里研究团队靠的不是刷新某个榜单，而是发布了一项名为HSCodeComp的Agent评测基准，直接拿下最佳资源论文奖。

HSCodeComp所做的，是把镜头对准智能体在复杂规则推理中的表现。测试结果揭开了当前AI Agent身上的一个结构性缺陷：面对层层嵌套的规则，即便是这些被寄予厚望的智能体，推理链条依然会出现根本性的断裂。

打开网易新闻 查看精彩图片