决策模型长链任务可靠性不足

通用决策模型（如Jev）在需要专家知识或不确定性估计的任务中表现减弱，常高估结果概率。

在τ-bench等长周期多步交互测试中，虽然局部决策速度加快、平均耗时缩短，但误差随轨迹长度累积，导致整体任务成功率低于生成式大模型。

大规模社会模拟显示，此类模型虽能以更低推理成本接近LLM的单点预测能力，但在用户画像构建上较弱，并表现出较大的聚合估计误差和系统性偏差。