阿里 HICO-Bench：36% 高评分对话经不起可行性验证

阿里巴巴 Token Hub 与东京大学提出 HICO-Bench：在 180 个日常协调场景中，13 个 LLM 里有 36% 被评为高目标完成度的对话通不过验证。