arXiv · cs.AI· Zhongwei Xie, Xingsu Li, Jingqiao Yu, Zihao Wang, Hong ChiTat, Zhaowei Wang, Weizhi Du, Yuxuan Liu, Huihao Jing, Jiaxin Bai, Yangqiu Song·· 6 小时前
JockeyBench评估LLM Agent的日本赛马重复决策能力
JockeyBench: Evaluating LLM Agents on Horse-Racing Decision-Making
arXiv:2610.19589v1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：Zhongwei Xie, Xingsu Li, Jingqiao Yu, Zihao Wang, Hong ChiTat, Zhaowei Wang, Weizhi Du, Yuxuan Liu, Huihao Jing, Jiaxin Bai, Yangqiu Song
研究任务与主要进展
JockeyBench 提出一个基于日本历史赛马重复事件预测的基准与评估协议，用于检验LLM Agent从噪声证据中提取信号并持续调整预测的能力。论文摘要称，该协议结合时间门控证据、定价工具、配对冻结程序和两种工作流，在324场比赛、28种模型—脚手架配置中，修正多重检验后发现7项修订收益和2项修订下降；但所有配置在封顶Kelly结算下的平均利润均为负。
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