ACED-Bench prüft, ob LLM-Agenten wirklich forschen koennen
Das Benchmark ACED-Bench soll messen, ob grosse Sprachmodelle als wissenschaftliche Assistenten eigenstaetig Experimente auswaehlen und kausale Zusammenhaenge untersuchen koennen, statt nur einzelne Prompts zu beantworten. Bisher fehlen verlaessliche Methoden fuer diese Bewertung.
Der Artikeltext wird beim nächsten Sync nachgeladen. Original bei arXiv cs.AI lesen
Originaltitel: ACED-Bench: Evaluating How LLM Agents Acquire and Act on Causal EvidenceQuelle: arXiv cs.AI (arXiv cs.AI). Original öffnen