arXiv cs.CL· Shibo Jin, Zhiqiu Xu, Yiling Zou, Shangyu Gong, Mayur Naik·· 12 小时前AI 评分34
Environment Duels：评估 LLM 互教互学的智能体基准
Environment Duels: A Microcosm of LLM Co-Evolution
AI 导读
研究者提出 Environment Duels，一个让模型互相编写交互环境并求解的动态智能体基准，每个环境附带一条特权提示，目标是让强求解器无提示失败、有提示通过。
正文 · AI 翻译
摘要：通过错综复杂的真实世界交互，从合成训练流水线到开放网络上共享的数据，前沿 LLM 吸收其前代和竞争者所创造的内容。每个模型在这个生态系统中作为创造者和求解者扮演的角色有多好？我们推出 Environment Duels，一个动态的智能体基准，在交互式环境上评估这两种能力。每个模型编写环境，每个环境都带有一个特权提示，目标是让有能力的求解者在没有提示时失败、在有提示时通过的任务。在九个前沿 LLM 上，求解和创作被证明是两种不同的技能：最强的求解者不是最强的作者，而较小的模型从他人如何游玩中学到更多，并编写出最难的环境和最有用的提示。除了分数之外，成对交互构成了模型如何相互影响的缩影。正面对决的结果具有传递性，因此产生稳定的排名；独立作者会收敛到相同的设计；在一项使用 Qwen3.8-27B 的强化学习研究中，学习者在某作者环境上的提示提升，与该环境上的训练在多大程度上提升其在留出推理和智能体基准上的表现相对应，无论这些环境是它自己的还是另一个模型的。这些模式中的每一个，都能在决斗之外模型如何相互塑造中找到对应。通过在受控条件下安排这些交互，Environment Duels 为观察 LLM 如何相互教学、挑战和学习提供了一个窗口。代码可在 此 https URL 获取。
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.30116 [cs.CL] |
| （或 arXiv:2610.30116v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.30116 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Shibo Jin [查看电子邮件]
[v1]
2026 年 10 月 21 日星期三 17:55:31 UTC（405 KB）
来源：arXiv cs.CL · arxiv.org