ACED-Bench发布：评估LLM智能体因果证据获取与决策能力

2026年10月15日，arXiv cs.AI发布关于ACED-Bench的研究。该基准旨在评估大语言模型智能体获取与行动因果证据的能力，通过分离可读科学表面与隐藏概率图模型来实现。ACED-Bench包含180个任务的ACED-CORE排行榜和150题的ACED-QUAL资格检查，测试了七款当代模型及两款早期模型在实验设计与证据决策上的表现。结果显示，可靠AI共科学家需显式支持实验设计、证据保留及停止机制。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。