跳到正文
热点事件持续更新

DecompGym基准评估LLM设计分解算法能力

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

研究者Sikai Cheng等提出DecompGym基准，包含81个来自9个问题族（5个Benders分解、4个列生成）的实例，用于评估12款GPT、Claude和Gemini模型在编码智能体环境中设计分解算法的能力。 评估要求求解器在60秒内运行且目标值误差小于1%。结果发现反思机制可将重试成功率从39%提升至66%，表明智能体需要过程检查与错误定位反馈。

AI 根据报道生成 · 3 小时前更新

最新进展10月30日 12:00
DecompGym 基准测试 LLM 智能体设计分解算法能力

报道时间线

沿着报道，了解事件的不同侧面。

10月30日
  1. arXiv · AI
    DecompGym 基准测试 LLM 智能体设计分解算法能力

    研究者提出 DecompGym 基准，包含 81 个实例，用于评估 12 款 GPT、Claude 和 Gemini 模型在编码智能体环境中设计 Benders 分解和列生成算法的能力。 评估要求求解器在 60 秒内运行且目标值误差小于 1%，结果发现反思机制可将重试成功率从 39% 提升至 66%，表明智能体需要过程检查与错误定位反馈。

本事件热度走势

可比范围当前
8
可比范围峰值
910月30日 17:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。