**FDE-Gym：AI 交付的最后一公里，现实约束成最大瓶颈**

_FDE-Gym: The Last Mile of AI Delivery_

> FDE-Gym 是一个基于真实客户场景的 AI 交付基准，包含 95 个端到端任务。该基准模拟了模糊需求澄清、实时系统操作及利益相关者互动等现实挑战，并引入业务提升评分与交互惩罚机制。评估结果显示，当前模型在无需明确指导的情况下发现未声明约束时表现严重下滑，且仅能解决约 14% 的任务，揭示了现有 AI 模型在真实交付场景中存在巨大能力缺口。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-16 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.22350)