研究揭示：LLMs 在文件委派任務中造成內容損毀

LLMs Corrupt Your Documents When You Delegate

arXiv cs.CL · 2026-04-20

摘要

arXiv 最新研究透過 DELEGATE-52 基準測試發現，現有 LLMs 在處理長期文件編輯委派工作時表現不佳。即使是最先進的模型（Gemini 3.1 Pro、Claude 4.6 Opus、GPT 5.4）在複雜工作流程結束時也會平均損毀 25% 的文件內容，涉及編程、晶體學、樂譜標記等 52 個專業領域。研究還發現工具使用和 Agent 技術並未改善性能，這對於信任 LLM 進行重要工作委派的企業和開發者而言是個重要警示。

●開發者：需重新評估 LLM 在關鍵文件處理任務中的可靠性，並考慮添加額外驗證機制

●投資人：AI 模型在企業級應用中的穩定性仍有瓶頸，影響商用化進度

●一般用戶：應謹慎使用 AI 進行重要文件編輯，需人工檢查確認

重要性評分

78/100

🟠 值得關注

大型語言模型文件處理AI 可靠性

原文出處

上一則← 中國科技工作者開始訓練 AI 分身，對職場未來產生擔憂下一則Anthropic 推出資安專用模型 Claude Mythos Preview，望改善與川普政府關係 →

喜歡這篇？每天早晨還有更多。

訂閱 5min AI，讓 AI 替你追蹤整個 AI 世界。