智能体做因果实验不再只看答案：ACED-Bench用隐藏概率图打分，180道硬题拉开模型差距
ACED-Bench把自然语言科学场景与隐藏概率图模型分开，让智能体在四轮预算内自己选观测或干预实验并给出因果答案，180道硬题上各模型与智能体设计差距明显，而150道资格题上强智能体接近满分。
ACED-Bench把自然语言科学场景与隐藏概率图模型分开，让智能体在四轮预算内自己选观测或干预实验并给出因果答案，180道硬题上各模型与智能体设计差距明显，而150道资格题上强智能体接近满分。
已读完全部报道