arXiv Artificial Intelligence· Yiwei Chen, Amila Weerasinghe, Siddharth Biswal, Utkrisht Rajkumar, Olcay Boz, Taylor Berg-Kirkpatrick, Rose Yu·· 19 小时前AI 评分29
ACED-Bench：评估 LLM 智能体如何获取并依据因果证据行动
ACED-Bench: Evaluating How LLM Agents Acquire and Act on Causal Evidence
AI 导读
研究者推出 ACED-Bench，一个神经符号基准，用于评估 LLM 智能体能否主动设计实验、解读有限证据并做出因果决策。其主榜单 ACED-CORE 含 180 项任务（60 项因果祖先/后代集合问题、120 项受限因果决策任务），另有 150 题的 ACED-QUAL 资格检查。
来源：arXiv Artificial Intelligence · arxiv.org