论文Agent 与开发者精选09:37CTE-Bench：评估状态化软件模拟器的反事实追踪CTE-Bench 评估模型能否预测干预如何改变状态化服务的未来行为，揭示了当前模型在缺乏正确反馈时的局限性。#CTE-Bench#DeepSeek V4-Flash#Kimi K2.5#Qwen3.6-35B-A3B1 个信源在谈事件专题aarXiv: DeepSeek@Xinran Zhang2 个信源在谈原文稍后读已读值得跟进有用关注 CTE-Bench