世界不会等待：在实时时钟下评估和教学智能体

摘要

arXiv:2610.20665v1 Announce Type: new Abstract: Large language model (LLM) agents can solve complex interactive tasks, yet reasoning and tool calls take time. In continuously changing environments, an...

and agents games LLM tasks calls time continuously changing action

2026-10-16 1 阅读约1分钟阅读 Ningxin Pan, Hanyu Li, Yeqing Shen, Ning Ding, Yehui Tang, Wentao Zhang

arXiv:2610.20665v1 公告类型：新摘要：大型语言模型（LLM）代理可以解决复杂的交互任务，但推理和工具调用需要时间。在不断变化的环境中，原本正确的行动可能来得太晚了。我们引入了 RealtimeBench，它包含 6 种游戏类型的 180 个任务，用于在推理过程中游戏继续运行时评估代理。配对评估表明，当游戏暂停时，GPT-6.1-sol 的表现优于速度更快的 Jev，但当游戏继续运行时，GPT-6.1-sol 的表现则落后。我们提出了两次离线递归自我改进（TORSI）：速度慢的老师研究失败并在尝试之间暂停的游戏中测试纠正，然后为速度快的学生编写可重复使用的指令。学生在游戏过程中无需老师调用即可进行操作，验证分数决定采用哪些更新。两轮比赛将 Jev 的平均测试成绩从 13.51 提高到 24.19（0--100 进步量表），改善了所有六种游戏类型。这些指令还提高了其他三个模型的平均分数，而无需重新调整。这些发现指向实时智能：通过跨时间尺度组织审议、学习和行动，使强大的法学硕士代理人能够在不断变化的世界中保持有效。

订阅66必读