LoopArena：模型作循环工程控制器基准

2026年10月15日，arXiv Artificial Intelligence 刊出 Yi Wang 等作者的报道，介绍基准 LoopArena，用于评估一个模型能否引导独立的编码智能体完成长时任务。在该基准中，被测模型担任 Controller，在每轮编码后向固定的 Worker 下达指令或决定停止。报道称 LoopArena 分为三类：Type I 由 160 道低成本控制问题组成，其执行成本在基准构建时一次性产生，因此每个新 Controller 只需通过一次四选一作答来评估，无需执行代码；Type II 在 80 个选定任务切片上评估 Controller 的引导；Type III 则从原始状态评估对应的 80 个完整任务。作者表示已在报道给出的网址发布基准数据与评估代码。目前进展为基准发布，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。