实体
ACED-Bench
ACED-Bench
PulseAugur coverage of ACED-Bench — every cluster mentioning ACED-Bench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的SciGame基准测试AI智能体的科学发现能力
研究人员推出了SciGame，这是一个旨在评估大型语言模型智能体在科学发现任务中的新基准。与之前的基准不同，SciGame使用结构化的“科学卡片”，呈现真实和反事实环境，以区分智能体的先验知识和从经验证据中学习的能力。对五个前沿模型的实验表明，当控制关系改变时，智能体难以恢复精确的符号定律，并且虽然适应性实验可以帮助一些模型，但也会损害较弱的模型。该基准突出表明，当前的智能体可以积极地调查系统，但在不熟悉的环境中归纳精确定律方面仍面临挑战。
-
新研究解决了 LLM Agent 在边缘-云、鲁棒性和可靠性方面的挑战
近期研究探讨了大语言模型 (LLM) Agent 的各个方面，重点在于提高其性能、鲁棒性和可靠性。研究引入了 EC2-Bench 等基准测试用于边缘-云协作，以及 ACED-Bench 用于因果推理。TIPER 和 SkillFusion 等新方法旨在增强鲁棒性和技能组合，而 SchemaWeaver 则加速了设备上 Agent 的执行。此外，研究还探讨了 Agent 的“遗忘”以移除敏感信息，并解决了多 Agent 系统中工具结果绑…