跳到正文
热点事件观察中

研究者提出AdaExploreBench评估智能体主动探索

1 篇报道1 个报道来源2 天前更新

先了解这件事

AI 综述

Rui Wang等作者提出基准 AdaExploreBench，用隐藏规则构造环境动态，要求 LLM 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。 在八个前沿 LLM 上测试，GPT-6 Sol 仅获 61.9% 校准准确率；提供充足证据或移除规则漂移可使平均表现提升近 10%。研究据此认为，当前智能体仍难以主动获取正确证据并识别其时效性。

AI 根据报道生成 · 12 小时前更新

最新进展10月19日 08:00
AdaExploreBench：评估 LLM 智能体在动态环境中主动探索与测试时适应能力的基准

报道时间线

沿着报道，了解事件的不同侧面。

10月19日
  1. HuggingFace Daily Papers
    AdaExploreBench：评估 LLM 智能体在动态环境中主动探索与测试时适应能力的基准

    研究者提出 AdaExploreBench，用隐藏规则实例化环境动态，要求 LLM 智能体主动收集证据并推断规则，并在规则无预告漂移时从性能下降中察觉旧知识失效、重新探索。在八个前沿 LLM 上测试显示，GPT-6 Sol 仅达 61.9% 校准准确率；提供充足证据或移除规则漂移可使平均表现提升近 10%。结果表明当前智能体仍难以主动获取正确证据并识别其时效性。

本事件热度走势

可比范围当前
3
可比范围峰值
410月20日 16:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。