arXiv cs.LG· Tao Yu, Zhongtian Luo, Yuchen Long, Yiheng Lu, Yuxuan Zhou, Yanpei Gong, Siyi Cao, Yuqing Wu, Haopeng Jin, Zhenghao Zhang, Yujia Yang, Jingmin Zhu, Yunyun Hou, Xinming Wang, Hongzhu Yi, Jiachen Liu, Sirui Wang, Nan Duan, Yan Huang, Liang Wang, Tianjin Huang, Yanyan Zou·· 7 小时前AI 评分27
RSE-Bench：非对抗噪声下 LLM 智能体技能自进化基准测试
When Non-Adversarial Noise Hurts Learning: Benchmarking Skill Self-Evolution in Agents
AI 导读
研究者提出 RSE-Bench，据称是首个评估普通非对抗噪声下技能自进化的基准，覆盖四个领域和六个基准，对指令、环境证据、执行记录及结果-记录配对施加受控扰动。在三种方法和两种骨干模型上，含噪学习仅保留干净自进化聚合增益的 25.5%–42.1%。仅限执行记录和结果-记录配对的扰动造成的平均损失与输入侧噪声相当。
来源：arXiv cs.LG · arxiv.org