arXiv · cs.AI· Yiwei Chen, Amila Weerasinghe, Siddharth Biswal, Utkrisht Rajkumar, Olcay Boz, Taylor Berg-Kirkpatrick, Rose Yu·· 1 天前
ACED-Bench：评估LLM智能体获取并利用因果证据的基准
ACED-Bench: Evaluating How LLM Agents Acquire and Act on Causal Evidence
arXiv:2610.14381v1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：Yiwei Chen, Amila Weerasinghe, Siddharth Biswal, Utkrisht Rajkumar, Olcay Boz, Taylor Berg-Kirkpatrick, Rose Yu
研究任务与主要进展
Yiwei Chen等人提出ACED-BENCH，用于评估大语言模型智能体能否选择实验、解释有限证据并作出因果决策，而不是仅回答提示。基准用自然语言场景配合隐藏概率图模型定义因果结构、数据生成过程、干预语义和标准答案；ACED-CORE包含180项任务，覆盖60项因果祖先/后代问题和120项受约束因果决策任务，另有150项yes/no资格检查。
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