DeepMind 论文：模型识破用户错误建议仍照做，成绩最多跌 46.7%

Google DeepMind 发布论文《XYEval: Agents say yes to bad advice》，提出 XYEval 元评测框架，可把现有 benchmark 转化为「XY 问题」场景，即用户不描述真实问题而是自信给出错误方案。