资讯摘要
论文提出 AdaExploreBench，用于评测 LLM 智能体在不断变化环境中的主动探索与测试时适应能力。该基准将环境动态建模为隐藏规则，要求智能体主动收集证据并推断规则；在隐式规则漂移下，规则会无提示地改变，智能体需从性能下降中察觉旧知识失效并重新探索。作者报告，在八个领先 LLM 上，GPT-6 Sol 的校准准确率仅为 61.9%；提供充分证据或移除规则漂移可使平均表现提升近 10%。
要点速读
- AdaExploreBench 以隐藏规则表示环境动态，要求智能体主动获取证据并推断规则。
- 隐式规则漂移下规则无公告变化，智能体需从性能下降中识别旧知识失效并重新探索。
- 作者报告八个领先 LLM 中 GPT-6 Sol 校准准确率为 61.9%，提供证据或移除规则漂移使平均表现提升近 10%。
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 2026/10/21 02:34:38（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。