研究者推出长程归纳交互基准 OdysseyArena
热点事件持续更新
研究者推出长程归纳交互基准 OdysseyArena
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Fangzhi Xu 等研究者提出并发布 OdysseyArena，将大语言模型智能体评测重心转向长时程、主动与归纳式交互，并形式化定义四种原语。 该基准分为两部分：OdysseyArena-Lite 含 120 项任务，用于衡量归纳效率与长时程发现能力；OdysseyArena-Challenge 则在超过 200 步的极端交互时程下测试稳定性。 对 15 个以上领先大语言模型的实验显示，即便前沿模型在归纳场景中仍存在明显不足。
AI 根据报道生成 · 42 分钟前更新
最新进展10月27日 12:00
OdysseyArena：面向长时程、主动与归纳式交互的大语言模型基准测试报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.CLOdysseyArena：面向长时程、主动与归纳式交互的大语言模型基准测试
研究者推出 OdysseyArena，将 LLM 智能体评测重心转向长时程、主动与归纳式交互，并形式化实例化四种原语。其中 OdysseyArena-Lite 提供 120 项任务衡量归纳效率与长时程发现能力，OdysseyArena-Challenge 则在超过 200 步的极端交互时程下压测稳定性。对 15+ 个领先 LLM 的实验显示，即便前沿模型在归纳场景中仍存在明显不足。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。