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。