arXiv 机器学习· Pingchuan Ma, Rui Ding, Shuai Wang·· 6 小时前AI 评分42
评测与增强智能体因果发现能力：Heuresis 基准测试发布
Benchmarking and Enhancing Agentic Causal Discovery
AI 导读
研究者推出匿名模拟数据集基准 Heuresis，用于评测并增强 LLM 智能体在因果发现中分析数据及修正算法错误的能力。结合智能体测试框架，GPT-6.1 Sol 在全部六个数据集族上均超越最佳算法，在最难族群上的邻接 F1 提升 14%，Claude Opus 5.5 提升 7.4%。相关代码与数据将公开发布。
来源：arXiv 机器学习 · arxiv.org