arXiv · cs.AI· Fangfei Li·· 16 天前AI 评分42
Trace Evolution Bench：衡量智能体能否从自身环境轨迹中获得改进的评测协议
Trace Evolution Bench: Measuring Whether Agents Improve from Their Own Environment Traces
来源与原文
arXiv · cs.AI
作者：Fangfei Li
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/2610.15055v1
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
Trace Evolution Bench（TEB）是一个将重新评分与上下文或权重更新分离的评测协议，主榜为代码任务，由封闭工作区的隐藏单元测试评分。在 40 个 held-out 任务上，DeepSeek v4 Pro 在 no_evolve 下仅重评分就变动 7.5、5.0 和 12.5 个百分点；九个受 GEPA、ACE、ExpeL 启发的文本更新单元有七个超出种子自身波动带，GLM 与 MiniMax 未复现该模式。
来源：arXiv · cs.AI · arxiv.org