arXiv cs.AI·3 小时前★ 3

arXiv 发布 CLR-Bench：评测自进化智能体学习隐藏规则能力

原文标题：More Rules, Longer Lists? Benchmarking Self-Evolving Agents on a Hidden-Rule Curriculum

重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。

AI 智能摘要

研究者提出 CLR-Bench 基准，用逐层叠加隐藏规则的课程链测试自进化智能体能否真正学会未被明示的规则。结果显示六种自进化方法在认证模型上几乎学不到东西，最好仅比冻结智能体高 5 分；换成 GPT-6-Sol 后 ACE 与 Dynamic Cheatsheet 可达 78% 准确率。该基准揭示智能体的学习能力随底座模型差异显著。

论文速读 · 四段结构cs.AI去论文速读 →

问题: 自进化智能体能否真正学会未被明示的隐藏规则，而非逐条记录例外。
方法: 构建 CLR-Bench 课程链基准，每层叠加一条作用于不透明标签的隐藏规则，并自动生成 10 个领域 20 条链。
结果: 六种自进化方法在认证模型上最多比冻结智能体高 5 分；换用 GPT-6-Sol 后 ACE 与 Dynamic Cheatsheet 达 78% 准确率。
影响: 自进化智能体的学习效果高度依赖底座模型，现有方法多为记例外而非归纳规则，选型时需按底座实测。

所属主题基准测试5

#学术研究 #自进化智能体 #基准测试 #智能体学习 #arXiv

阅读原文 +0

AI 处理过程展开/收起

原始标题：More Rules, Longer Lists? Benchmarking Self-Evolving Agents on a Hidden-Rule Curriculum

AI 中文标题：arXiv 发布 CLR-Bench：评测自进化智能体学习隐藏规则能力

来源：arXiv cs.AI · 发布于 3 小时前

分类：学术研究 · AI 重要度：★ 3（3）

标签：自进化智能体 / 基准测试 / 智能体学习 / arXiv

关键词：自进化智能体 / CLR-Bench / 智能体基准测试 / AI 智能体 / GPT-6-Sol

AI 处理：2026/11/2 15:03:12 · 模型 deepseek-chat · 规则版本 2026-10-21.1

AI 生成以上内容由 AI 自动生成：中文标题、摘要、分类与重要度；同一事件的多家报道会自动归并展示。内容仅供参考，可能存在偏差，请以原文为准，不构成任何投资或专业建议。
版权归原作者与原发布平台所有；若涉及侵权或信息错误，请在举报与侵权投诉页反馈，我们会及时处理。