研究者提出ServeLearnBench评测智能体自我改进

Haizhong Zheng等人发布论文，提出流式数据集EESD与基准ServeLearnBench，用于评测大语言模型智能体能否从服务经验中自我改进。论文称，现有智能体在环境知识隐式、未公开且随时间变化时难以持续适应；EESD要求智能体从交互与结果反馈中推断、应用并修正隐藏的环境知识，ServeLearnBench覆盖零售支持、银行和销售话术生成，含53个环境窗口、7,718个任务。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。