ReLiveGym：基于数周真实动态流重放评估长生命周期智能体

研究团队推出 ReLiveGym 评测环境，通过按时间顺序重放数周真实世界的新闻、市场与社交媒体数据流，评估长生命周期 LLM 智能体在动态环境下的稀疏行动与持续监控能力。研究基于 8 个基座大语言模型测试了模型选择与框架设计对表现的影响，发现决定何时行动是框架设计的核心维度，且事后反馈持续学习有助于解决长周期任务中的失败模式。