arXiv · AI· Wanyi Chen, Xiao Yang, Xu Yang, Tianming Sha, Qizheng Li, Zhuo Wang, Bowen Xian, Fang Kong, Weiqing Liu, Jiang Bian·· 16 小时前AI 评分41
Agent^2 RL-Bench:评估LLM智能体工程设计RL后训练能力
Agent^2 RL-Bench: Can LLM Agents Engineer Agentic RL Post-Training?
AI 导读
Agent^2 RL-Bench 是一个紧凑的诊断基准,用于评估 LLM 智能体能否自主设计、实现、调试并执行改进基础模型的后训练流水线。 该基准包含三个层级、六项任务,覆盖静态规则训练到闭环在线 RL,并配有运行时记录和事后摘要两项诊断技能。 在五个智能体系统和六个驱动 LLM 的测试中,智能体展现了智能行为但存在明显局限,稳定地由智能体驱动的 RL 后训练在固定预算下仍然罕见。
来源:arXiv · AI · arxiv.org