evidence-decoupling

介绍了ForeSci，一个时间控制基准，用于评估LLM代理是否能够基于历史证据做出前瞻性研究判断。它包含跨越四个AI领域的500个任务，结果表明显式的证据组织提高了可追溯性，但揭示了反复出现的证据-决策解耦。