热点事件观察中
AdaExploreBench：LLM 智能体主动探索评测
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年10月19日，Hugging Face Daily Papers 报道研究者提出 AdaExploreBench，用于评测 LLM 智能体在动态环境中的主动探索与测试时适应能力。该基准用隐藏规则模拟环境动态，要求智能体主动收集证据并推断规则；当规则无预告漂移时，智能体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 上的测试显示，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。
AI 根据报道生成 · 3 小时前更新
最新进展10月19日 08:00
AdaExploreBench 发布：GPT-6 Sol 校准准确率仅 61.9%，智能体难主动取证。报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- Hugging Face Daily PapersAdaExploreBench：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
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。