arXiv · AI· Chenjie Qiu, Boyan Xu, Shaobin Shi, Bingfeng Chen, Ruichu Cai, Dongsheng Luo·· 2 小时前AI 评分41
CLR-Bench：基准测试自演化智能体在隐藏规则课程中的表现
More Rules, Longer Lists? Benchmarking Self-Evolving Agents on a Hidden-Rule Curriculum
AI 导读
新基准 CLR-Bench 揭示多数自演化智能体未能学会隐藏规则，最佳增益仅 5 分，逊于保留原始历史记录（20%）。 该基准包含 10 个领域共 20 条链，测试发现智能体状态常遗漏类名。
来源：arXiv · AI · arxiv.org