跳到正文
arXiv · AI· Yi Liu, TingFeng Hui, Wei Zhang, Li Sun, Ningxin Su, Jian Wang, Sen Su·· 2026-10-06AI 评分30

EnvSimBench:评估与改进 LLM 环境模拟能力的基准

EnvSimBench: A Benchmark for Evaluating and Improving LLM-Based Environment Simulation

AI 导读

研究者提出 EnvSimBench,首个对"环境模拟能力"(EnvSim Ability)进行形式化定义的基准,覆盖 167 个环境、400 个样本,并带可验证标签与三维难度分层。

来源:arXiv · AI · arxiv.org