arXiv · AI· Fangfei Li, Chenyang Zhao, Long Wang, Feng Tian, Lv Guo·· 2026-10-14AI 评分28
Trace Evolution Bench (TEB) 评估智能体是否从自身环境轨迹中进化
Trace Evolution Bench: Measuring Whether Agents Improve from Their Own Environment Traces
AI 导读
研究引入 Trace Evolution Bench 协议,区分重打分与真实进化,验证 DeepSeek v4 Pro 等模型在编码任务上的进化效果。 核心测试集包含 40 个 held-out 任务,DeepSeek v4 Pro 在无进化策略下不同种子间波动达 12.5 个百分点;9 种文本更新方法中 7 种表现优于基准。
来源:arXiv · AI · arxiv.org