STOCKTAKE：用公平预言机衡量LLM智能体感知与行动差距

英文标题：STOCKTAKE: Measuring the Gap Between Perception and Action in LLM Agents with a Fair Oracle

LLM智能体越来越多地在多周决策任务中被评估，但驱动成本的状态从未被直接观测，仅凭最终成本无法判断失败是源于错误感知世界，还是正确感知但行动失当。本文提出STOCKTAKE框架，通过引入公平预言机来定量测量智能体感知与行动之间的差距。该诊断方法能够清晰区分错误来源，为开发者优化智能体的世界模型和决策策略提供明确依据，对构建更可靠的自主智能体具有重要意义。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB