PAST-Bench：个人智能体递归自我改进能力的基准测试
递归自我改进要求智能体将积累的经验转化为更好的未来行为。个人AI智能体是研究这一能力的理想场景，因为它们能跨会话保留偏好、任务历史、工具流程和习得技能。但保留的经验是否真的能随时间提升它们的能力，目前尚无系统性测试。PAST-Bench正是为隔离这一问题而设计的基准测试。每个智能体在匹配的条件下运行有序的新会话任务序列，分别开启和关闭保留经验。该基准涵盖26个场景。
查看原文解读生成中或暂时不可用，请稍后刷新重试，或直接查看原文。