AdaExploreBench 基准发布：评测智能体主动探索与适应
热点事件持续更新
AdaExploreBench 基准发布：评测智能体主动探索与适应
1 篇报道1 个报道来源59 分钟前更新
先了解这件事
AI 综述
2026年10月20日，arXiv 人工智能板块刊出 Rui Wang 等作者的论文，提出并发布 AdaExploreBench 基准，用于评估 LLM 智能体在演化环境中的主动探索与测试时适应能力。该基准用隐藏规则实例化环境动态，要求智能体主动获取证据并推断规则；当规则无预告漂移时，智能体需从性能下降中识别旧知识失效并重新探索。在八个领先 LLM 上的测试显示，GPT-6 Sol 仅达到 61.9% 的校准准确率；提供充分证据或移除规则漂移，可使平均性能提升近 10%。作者据此指出，当前智能体在证据可用时能有效推理，但难以主动获取正确证据并及时察觉其失效。目前事件仍处基准发布与首轮评测阶段，尚无后续跟进报道。
AI 根据报道生成 · 36 分钟前更新
最新进展10月20日 12:00
AdaExploreBench：评测 LLM 智能体在演化环境中的主动探索与测试时适应报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv Artificial IntelligenceAdaExploreBench：评测 LLM 智能体在演化环境中的主动探索与测试时适应
研究者提出 AdaExploreBench，用隐藏规则实例化环境动态，要求 LLM 智能体主动获取证据并推断规则，并在规则无预告漂移时从性能下降中识别旧知识失效、重新探索。在八个领先 LLM 上，GPT-6 Sol 仅达 61.9% 校准准确率；提供充分证据或移除规则漂移可使平均性能提升近 10%。结果表明当前智能体在证据可用时能有效推理，但难以主动获取正确证据并及时察觉其失效。
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。