arXiv · cs.AI· Tianyu Chen, Xinyang Liu, Ruyi An, Zhendong Wang, Mingyuan Zhou·· 6 小时前
System1-Arena评测哪些决策可由System-1模型处理
System1-Arena: Which Decisions Can Be Left to System 1?
arXiv:2610.21244v1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：Tianyu Chen, Xinyang Liu, Ruyi An, Zhendong Wang, Mingyuan Zhou
研究任务与主要进展
System1-Arena评测发现，最大的System-1模型在非Agent任务准确率上可匹配或超过快速闭源LLM，并以约四分之一延迟给出校准更好的概率；但小型System-1模型在闭环环境中很少成功。基于论文摘要，该基准包含105项任务的9.2万道题及138个闭环环境，评估了30个模型；推理LLM准确率最高，但成本约为快速LLM的70倍，闭环任务中大型开源LLM成功率最高、达到32.9%。
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