arXiv · cs.AI· Zhanke Zhou, Zongze Li, Weikai Huang, Xuan Li, Chentao Cao, Xiao Feng, Xiangyu Lu, Jinbo Hu, Yi Xie, Nico Pelleriti, Shiyang Liu, Menghan Lu, Max Zimmer, Brando Miranda, Jiangchao Yao, Bo Liu, Sanmi Koyejo, Sebastian Pokutta, Bo Han·· 7 小时前
AlphaDiana：用于可验证推理任务的智能体测量系统
AlphaDiana: A Measurement System for Agents in Verifiable Reasoning Tasks
arXiv:2610.20675v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Zhanke Zhou, Zongze Li, Weikai Huang, Xuan Li, Chentao Cao, Xiao Feng, Xiangyu Lu, Jinbo Hu, Yi Xie, Nico Pelleriti, Shiyang Liu, Menghan Lu, Max Zimmer, Brando Miranda, Jiangchao Yao, Bo Liu, Sanmi Koyejo, Sebastian Pokutta, Bo Han
研究任务与主要进展
作者提出 AlphaDiana 测量系统，通过模块化接口组织数据集、智能体、环境和评分器，并在匹配条件下控制文件复用与记忆保留。基于论文摘要，研究测试了三个开源模型和三个开源框架，框架及技能指导、保留历史均未稳定提高推理正确率；系统将答案正确性、执行状态、行为轨迹和输出 token 记录关联起来，用于比较智能体与诊断失败。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org