OutfitterBench:200 天装备租赁模拟揭示 LLM 智能体长期承诺协调短板
Jie Huang · hf · 2026-11-17
哈工大、北大、中科大等机构联合推出 OutfitterBench,评测 LLM 智能体在长期资源分配与承诺协调上的能力。测试设定是让智能体经营一个 200 天的户外装备租赁生意:在固定资本和不确定需求下,今天出租帐篷能赚即时收入,却可能错失日后更有价值的租约;而一旦接受未来预订,还会影响现有义务的履行。
这类设定抓住了长期任务的核心难点——智能体自己的选择会创造未来约束,既要在计划演进中保持可行性,又要权衡改变资源配置的机会成本。实验结果显示,现有 LLM 智能体在维持可行承诺和重新分配资源方面存在明显不足。
「编程与Agent」频道最新
- Pageloop 发布文档 Agent:功能上线自动更新截图与受影响文档 — prasanna_says · 2026-11-17
- Craftax 长程任务新法:反馈级联引导 LLM 进化程序化策略与目标编译器 — Víctor Gallego · 2026-11-17
- 实体消歧实测:靠上下文判断准确率 97.9%,纯名字匹配仅 63.5% — YvesMulkers · 2026-11-17
- XState v6 Beta 发布:AI 时代状态机编排,周下载量超 800 万 — mattpocockuk · 2026-11-17
- Matt Pocock 分示评估 prompt:让 AI 用 draft PR 实测新技术值不值得用 — mattpocockuk · 2026-11-17
- Motion 推出「Claude Code 剪视频」:素材加一句 prompt 全自动剪辑 — CurieuxExplorer · 2026-11-17