Одиссей Арена: Контроль за крупными языковыми моделями для долгосрочного, активного и стимулирующего взаимодействия
arXiv:2602.05843v3 Вид уведомления: заменить резюме: развитие моделей большого языка (МЖЛ) стимулировало разработку автономных агентов, способных управлять сложной средой. Однако в существующих оценках используется прежде всего дедуктивная парадигма, при которой агенты выполняют задачи на основе четко установленных правил и статических целей, зачастую в рамках ограниченных плановых рамок. Крайне важно, что в этой связи игнорируется индуктивная необходимость того, чтобы агенты могли самостоятельно выявлять скрытые законы о переходном периоде на основе своего опыта, который является краеугольным камнем для создания возможностей для оперативного прогнозирования и поддержания стратегической согласованности. Чтобы преодолеть этот пробел, мы представляем OdysseyArena, которая рецентрирует оценку агента на длинных горзонах, активных и индуктивных взаимодействиях. Мы формализуем и оживляем четыре примитивных фактора, преобразуя абстрактную переходную динамику в конкретную интерактивную среду. Основываясь на этом, мы установим Одиссей Арена-Лит для стандартизованных контрольных параметров, что позволит определить 120 задач для измерения вводимого агента.