arXiv · cs.CL· Ruoyu Zhang·· 7 天前AI 评分43
OptionWorld：诊断 LLM 作为长期个人助理失效的基准
OptionWorld: A Benchmark for Diagnosing Failures of LLMs as Long-Term Personal Assistants
来源与原文
arXiv · cs.CL
作者：Ruoyu Zhang
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.28491v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者推出 OptionWorld 基准，通过模拟日常生活任务追踪 LLM 的信息获取、判断、行动与结果，定位其作为长期个人助理的短板。在存档决策输入的运行中，35.5% 的失败实例的关键事实在截止期前仍保留在模型最后的输入里。失败分析指出三大问题：所需信息未获取或整合、可行动机会未被利用、智能体施加任务并不要求的限制。
来源：arXiv · cs.CL · arxiv.org