Thomson Yen

新的基准 BELA 测试 AI 代理跨重复任务的学习能力

研究人员开发了一个名为 BELA 的新基准，用于评估 AI 代理的上下文体验式学习能力，特别是它们在相似任务中随时间推移调整和改进策略的能力。该基准利用亚马逊产品目录中的产品推荐场景和合成客户画像来测试代理是否能从重复交互中学习。当前模型在单一任务内的学习方面表现出熟练度，但在跨多个回合泛化和改进其适应性能力方面存在困难，这凸显了当前 AI 开发中的一个差距。