论文页面 - ScrambleToolBench: Agents Search Exhaustively Even When Their Own Map Points to the Next Step

Source: https://huggingface.co/papers/2608.02358

摘要

要在开放世界环境中稳健运行，自主智能体应能仅通过交互来推断陌生系统的行为，即使在缺乏文档的情况下也是如此。然而，现有的工具使用基准在静态环境中暴露语义工具模式，使智能体能够依赖先验知识而非自主探索。为解决这一局限，我们引入了 ScrambleToolBench——一个交互式终端基准，旨在隔离行为推理。通过去除语义线索并强制执行连续任务课程，该基准要求智能体完全通过试错交互来发现隐藏的工具行为。该基准还引入了动态挑战，包括映射漂移、随机动作失败和时间执行窗口，以评估智能体能否在环境变化时修正并调整其假设。我们对最先进语言模型的评估表明，成功的初始发现并不能转化为稳健的适应能力。当面临诸如映射漂移等结构性变化时，智能体无法使用诸如循环追踪之类的演绎策略，反而表现出信念惯性或退化为穷举搜索。增加测试时推理只会放大这种代价高昂的暴力搜索，而无法实现演绎性恢复。尽管为智能体配备持久记忆可减少复合错误，但它们仍无法高效推断结构性变化，这突显了当前智能体推理中的空白。

查看 arXiv 页面 (https://arxiv.org/abs/2608.02358) 查看 PDF (https://arxiv.org/pdf/2608.02358) GitHub (https://github.com/declare-lab/ScrambleToolBench) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2608.02358)

在您的智能体中获取此论文：

hf papers read 2608\.02358

还没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型

没有模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2608.02358 以从此页面链接它。

引用此论文的数据集

没有数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2608.02358 以从此页面链接它。

引用此论文的 Space

没有 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2608.02358 以从此页面链接它。

包含此论文的收藏

没有包含此论文的收藏

将此论文添加到收藏 (https://huggingface.co/new-collection) 以从此页面链接它。