ACED-Bench：评估 LLM 智能体如何获取与应用因果证据

研究人员推出神经符号基准 ACED-Bench，用于评估 LLM 智能体主动选择实验、解读有限证据并做出因果决策的能力。该基准将自然语言科学场景与底层隐藏的概率图模型解耦，包含由 180 项任务构成的核心榜单 ACED-CORE 以及包含 150 道是非题的资格测试 ACED-QUAL。