★ 3
TURTLE：面向长程工具使用的自演化基准
论文提出 TURTLE，采用无监督环境设计（UED）方法，用提议者、求解者与反馈生成器三类 LLM 智能体演化现有工具使用任务，构建可自适应、自调优的测试套件。在 AppWorld、τ-Bench、AutomationBench 上，Gemma 4 31B-it 的困难任务占比提升 165%，任务…
arXiv cs.AI12 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 TURTLE，采用无监督环境设计（UED）方法，用提议者、求解者与反馈生成器三类 LLM 智能体演化现有工具使用任务，构建可自适应、自调优的测试套件。在 AppWorld、τ-Bench、AutomationBench 上，Gemma 4 31B-it 的困难任务占比提升 165%，任务…