arXiv 人工智能· Sikai Cheng, Tinghan Ye, Arnaud Deza, Xiaonan Qi, Miao Li, Litong Liu, Changkun Guan·· 8 小时前AI 评分38
DecompGym：评测 LLM 智能体设计分解算法能力的基准
DecompGym: Benchmarking LLM Agents on Designing Decomposition Algorithms
AI 导读
DecompGym 基准涵盖 9 个问题族的 81 个实例，用于评测 LLM 智能体设计与实现 Benders 分解及列生成算法的能力。评测 12 款 GPT、Claude 和 Gemini 模型显示，首次尝试有 2 款解决全部实例、7 款解决超 90%，但列生成常因未通过方法审计而失败。结合错误诊断的反思机制将重试成功率从 39% 提升至 66%，该基准已公开可用。
来源：arXiv 人工智能 · arxiv.org