ReLiveGym: Evaluating Long-Lived Agents over Weeks of Replayed Reality
arxiv.org原文 ↗
ReLiveGym 用按时间回放的新闻、市场和社交媒体流构造数周任务，代理必须在稀疏触发点行动并适应变化。八个基础模型的对比把“等多久再做”和“环境已发生什么”纳入同一测试面，弥补静态长程环境无法测量时序适应的缺陷。
–浏览
arxiv.org原文 ↗
评论 · Comments