Hugging Face Daily Papers·· 2026-10-14AI 评分58
RuleTrek:面向复杂场景的智能体规则推理基准
RuleTrek: Benchmarking Agentic Rule Reasoning in Complex Scenarios
AI 导读
论文介绍 RuleTrek 基准,旨在解决现有评测简化场景信息的问题。该基准通过提取结构化规则图并生成子场景,评估大模型在交互式工作空间中的三项核心能力:规则识别、规则推导及端到端规则推理。实验显示当前主流大模型在这些复杂任务上仍面临显著挑战。代码与数据集已开源。
来源:Hugging Face Daily Papers · arxiv.org