跳到正文
arXiv · AI· Yiwei Chen, Amila Weerasinghe, Siddharth Biswal, Utkrisht Rajkumar, Olcay Boz, Taylor Berg-Kirkpatrick, Rose Yu·· 2026-10-14AI 评分20

ACED-Bench 评估 LLM 智能体获取因果证据并据此决策的能力

ACED-Bench: Evaluating How LLM Agents Acquire and Act on Causal Evidence

AI 导读

ACED-Bench 发布了一个神经符号基准,用于测试大语言模型智能体在科学场景中选择实验、解读有限证据并进行因果决策的能力。 ACED-CORE 包含 180 个任务(60 个因果关系问题与 120 个受约束因果决策任务),ACED-QUAL 含 150 个是/否资格检查;研究评估了 7 款当代 LLM 和 2 款早期模型在三种主动智能体设计下的表现。

来源:arXiv · AI · arxiv.org