研究团队提出自进化Agent评测基准CLR-Bench
Start here
2026年11月2日，研究人员在arXiv发布自进化智能体评测基准CLR-Bench。该基准包含10个领域的20条隐藏规则链，旨在测试智能体能否从反馈中归纳潜在规则。对6种自进化方法的评测结果显示，在基础认证模型下，表现最佳的方法仅提升至多5分；而在更强的GPT-6-Sol模型支持下，ACE与Dynamic Cheatsheet两种方法仅凭反馈即可达到78%的准确率以及59%至60%的单单元格解决率。
AI-generated from reports · Updated 11 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 人工智能CLR-Bench：在隐藏规则课程上评测自进化智能体
研究人员推出自进化智能体评测基准 CLR-Bench，包含 10 个领域的 20 条隐藏规则链，用于测试智能体能否从反馈中归纳潜在规则。评测 6 种自进化方法发现，在基础认证模型下最佳仅提升至多 5 分；而在更强的 GPT-6-Sol 下，ACE 与 Dynamic Cheatsheet 仅凭反馈即达到 78% 准确率和 59-60% 的单单元格解决率。
Story heat trend
Current heat 7·Comparable peak 10（Nov 2 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.