RSE-Bench：非对抗噪声下技能自演化基准
热点事件持续更新
RSE-Bench：非对抗噪声下技能自演化基准
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Tao Yu 等作者发布 RSE-Bench 基准与配套 RSEClaw 框架，用于评测大语言模型智能体技能自进化在普通非对抗噪声下的鲁棒性。智能体通过将经验蒸馏为可复用技能来提升能力，但经验中的错误会固化进规则并影响后续任务。 RSE-Bench 覆盖四个领域、六个基准，通过扰动指令、环境证据、执行记录和结果-记录配对注入噪声，RSEClaw 负责一致的噪声注入与过程诊断。在三种方法和两种骨干模型上，带噪学习仅保留干净自进化所获总收益的 25.5%–42.1%。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
RSE-Bench：普通非对抗噪声如何损害智能体技能自进化报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.LGRSE-Bench：普通非对抗噪声如何损害智能体技能自进化
大语言模型智能体通过将经验蒸馏为可复用技能来提升能力，但经验中的错误会固化进规则并影响后续任务。研究者提出 RSE-Bench，覆盖四个领域、六个基准，通过扰动指令、环境证据、执行记录和结果-记录配对来评测技能自进化在普通非对抗噪声下的鲁棒性，并配套 RSEClaw 框架实现一致的噪声注入与过程诊断。在三种方法和两种骨干模型上，带噪学习仅保留干净自进化所获总收益的 25.5%–42.1%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。