KC-Bench：评估LLM智能体知识冲突的动态基准

KC-Bench是一个多轮交互基准，包含238个手动筛选的任务，用于评估大语言模型智能体处理知识冲突的能力。该基准测试了DeepSeek-V4-Flash、GLM-5.2和MiniMax-M3等九个模型，结果显示没有模型能在所有场景下可靠处理事实纠正、身份一致性检查和时间冲突解决。在模拟环境中，未解决的知识冲突可能导致工具调用错误或合成受保护数据流动。