arXiv cs.AI· Ningxin Pan, Hanyu Li, Yeqing Shen, Ning Ding, Yehui Tang, Wentao Zhang·· 18 天前AI 评分45
RealtimeBench 与 TORSI：动态实时时钟下的 AI 智能体评估与自改进框架
The World Won't Wait: Evaluating and Teaching Agents Under a Live Clock
AI 导读
研究人员推出包含 6 类游戏共 180 项任务的 RealtimeBench，用于评估推理期间环境持续运行的 AI 智能体表现。测试显示 GPT-6.1-sol 在暂停时占优，但在实时运行时落后于更快的 Jev。为此提出的双时间尺度自改进方法 TORSI 通过慢速导师离线指导快速学生，两轮迭代将 Jev 的平均测试得分从 13.51 提升至 24.19。
来源：arXiv cs.AI · arxiv.org