标签
该论文提出了CLR-Bench，一个由隐藏规则组成的基准课程，用于评估自我进化的大语言模型智能体能否从反馈中学习潜在规律。研究发现，除非给定固定的课程内容或使用更强的基础模型，目前大多数自我进化方法几乎无法学到任何东西。