instruction-inference

本文引入指令推理任务，用于评估LLM智能体在处理不完整或模糊指令的人-智能体协作中的心智理论能力。作者呈现了Tomcat（一个LLM智能体），在GPT-4o、DeepSeek-R1和Gemma-3-27B上进行测试，展现出与人类参与者相当的推理未言明意图的性能。