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。

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →