跳到主要内容
检索

# 大语言模型研究智能体

3 篇关联报道

订阅更新
  1. arXiv

    把预测判断交给AI智能体：无信号世界里Opus、Sol、Terra仍分别以34%、16%、44%宣称可预测

    在人为植入已知信号的模拟世界里，Claude Opus 5.5、GPT-6.1 Sol、GPT-6.1 Terra 与 Qwen3-32B 被要求判断一个预测模型能否跑赢静态基准。改用高斯冲击去掉重采样伪影后，三个商业模型在110个无信号世界里宣称可预测的比例分别为34%、16%和44%，均高于名义5%；把误报率对齐后，带多重检验校正的样本内检验识别弱信号的能力与最好的智能体相当。

    University of Trento
    Chang Liu（第一作者、通讯作者）
    大语言模型研究智能体植入信号模拟世界收益可预测性预测评估
  2. arXiv

    智能体学会否决自己：金刚石自旋实验先判无效，改协议后才拿到支持理论的证据

    一个由大语言模型智能体分工协作的自主实验室，在金刚石氮-空位色心自旋系综上研究“预测任意相位控制微波脉冲序列响应所需的最少校准次数”。主智能体把原先91次的上界收紧为10次的精确最小值；首次实验虽满足全部十项预设精度判据，却因相位与参考对照失败被判为不确定，智能体在不放宽判据的前提下修改采集协议，最终测量支持理论预测，而两种插值方法预测为零。

    Institute of Science Tokyo
    El Mustapha Mansouri（第一作者）
    自主实验室多智能体系统Auctopus氮空位色心样本复杂度
  3. arXiv

    智能体不亲自打牌，却造出能上真人天梯的炉石AI：20天23个版本，末20局均名次1.60

    AutoTavern让一组专职LLM研究智能体通过共享的带类型研究记忆和五道验证关卡协作，在20天里从零构建出完整复现炉石传说酒馆战棋的模拟器TavernGym，并训练出23个版本的TavernAgent。该智能体在真人排位天梯上自行对局，评分从6000升到约15000；按公开排行榜的统计口径，其最近20条记录平均名次1.60、80%第一名，优于服务器评分最高的十名玩家合计的2.34与59%。而在直接做同样决策的测试中，前沿LLM最多答对63%，TavernAgent答对91%。

    Changlian Ma（第一作者）
    AutoTavernTavernAgentTavernGymTavernBench大语言模型研究智能体

已读完全部报道