arXiv cs.LG· Pingchuan Ma, Rui Ding, Shuai Wang·· 15 天前AI 评分35
Heuresis 基准：评测并增强智能体因果发现能力
Benchmarking and Enhancing Agentic Causal Discovery
AI 导读
研究人员推出匿名模拟数据集基准 Heuresis，用于评测 LLM 智能体在因果发现中纠正算法错误并深入挖掘数据的能力。在测试中，GPT-6.1 Sol 在全部六个数据集族上均超越了最佳可选算法，在难度最高的数据集上邻接 F1 分数提升 14%，Claude Opus 5.5 提升 7.4%。相关代码和数据将公开发布。
来源：arXiv cs.LG · arxiv.org