ACED-Bench：评估 LLM Agent 如何获取并基于因果证据采取行动

英文标题：ACED-Bench: Evaluating How LLM Agents Acquire and Act on Causal Evidence

论文提出 ACED-Bench，用于评估大语言模型 Agent 获取、解读并据此采取行动的因果证据能力。作者指出，LLM 正越来越多地被用作科学助手，但现有评估尚难可靠衡量它们是否能够真正调查一个系统，而非仅仅回答提示词。该基准关注 Agent 是否能够自主选择实验并解释实验结果，对科学发现自动化、实验设计和可靠 Agent 开发具有参考价值。原始摘要在提供的文本中被截断，未包含具体实验设置、数据规模或评测结果。

2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB