CLR-Bench：评测自进化智能体能否学会隐藏规则

新基准显示自进化智能体学隐藏规则的能力因模型而异。

资讯摘要

论文提出 CLR-Bench，用逐层叠加隐藏规则的课程评测自进化智能体。每条规则作用于一个不透明标签，该标签对应网上公开的具名分组。作者报告：在用于认证的模型上，六种自进化方法几乎学不到规则，最好仅比冻结智能体高约 5 分；加入一条说明具名分组约定的固定提示后，同一批方法提升 14.5 至 16.5 分。换用 GPT-6-Sol 后，ACE 与 Dynamic Cheatsheet 仅靠反馈即可学习，准确率达 78%。

要点速读

1. CLR-Bench 每层在已有规则上新增一条隐藏规则，测试考察未见成员与相似非成员。
2. 作者报告六种自进化方法在认证模型上提升有限，最好仅比冻结智能体高约 5 分。
3. 固定提示说明具名分组约定后，同一批方法提升 14.5 至 16.5 分；GPT-6-Sol 下 ACE 与 Dynamic Cheatsheet 达 78% 准确率。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。