Agent-ValueBench：评估智能体价值观的综合基准

研究者提出 Agent-ValueBench，作者称这是首个专门评估智能体（Agent）价值观的基准。论文指出，智能体已通过 OpenClaw 等 harness 广泛部署，其价值观与底层大模型存在分化，智能体形态还带来文本协议之外的数据、评测和系统层面挑战。基准包含 16 个领域的 394 个可执行环境和 4,335 个价值冲突任务，覆盖 28 种价值体系和 332 个维度，任务由端到端流水线合成并经专业心理学家逐条校准，每题附两条极性对齐的黄金轨迹，其检查点锚定轨迹级、基于量规的评判。团队在 4 个主流 harness 上测试 14 个前沿专有与开源权重模型，发现智能体价值观呈现跨模型同质的价值潮汐（Value Tide），其下存在可解释的逆流；harness 拉动会非加性地改变价值观，而通过内嵌技能进行的刻意引导影响更具决定性。