提出ACED-Bench评估LLM代理因果证据获取与决策
热点事件观察中
提出ACED-Bench评估LLM代理因果证据获取与决策
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
UC San Diego 的 Yiwei Chen 等人在 arXiv 发布论文，提出神经符号基准 ACED-BENCH，评估大语言模型代理能否在科学调查场景中主动选择实验、解读有限证据并作出因果决策，而不是仅被动回答提示。 基准用自然语言场景配合隐藏的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。主榜 ACED-CORE 含 180 项任务，包括 60 项因果祖先/后代集合问题和 120 项受约束因果决策任务；另有 ACED-QUAL 的 150 道资格检查题。 作者用三种代理设计评估了七个当代 LLM 和两个较早一代模型。目前为论文提出阶段，具体评测结果以论文内容为准。
AI 根据报道生成 · 1 天前更新
最新进展10月14日 12:00
ACED-Bench：评估LLM智能体获取并利用因果证据的基准报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv · cs.AIACED-Bench：评估LLM智能体获取并利用因果证据的基准
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。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 810月14日 18:00
- 近 24 小时变化
- –
02.557.510
18:0010月15日06:0012:0018:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。