★ 3
arXiv 发布 CLR-Bench：评测自进化智能体学习隐藏规则能力
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…
arXiv cs.AI4 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
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…