AdaExploreBench：评测 LLM 智能体在动态环境中的主动探索与测试时适应能力
AdaExploreBench: Benchmarking LLM Agents for Proactive Exploration and Test-time Adaptation in Evolving Environments
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
研究者提出 AdaExploreBench，用隐藏规则模拟环境动态，要求 LLM 智能体主动收集证据并推断规则，在规则无预告漂移时需从性能下降中察觉旧知识失效并重新探索。在八个领先 LLM 上测试，GPT-6 Sol 仅达 61.9% 校准准确率；提供充分证据或移除规则漂移可使平均性能提升近 10%。结果表明当前智能体擅长利用已有证据推理，却难以主动获取正确证据并识别其失效。
来源：Hugging Face Daily Papers · arxiv.org