标签
该论文提出 VepAgent，一个将因果转移推理与工具增强强化学习结合的智能体框架，用于视频事件预测，并构建了 futurebench-4K 思维链数据集，在 FutureBench 和 NEPBench 上达到 SOTA 性能。
MolDesignBench是一个新的基准测试，用于评估基于场景的分子设计中的LLM智能体，包含2000个具有隐式和显式约束的实例，揭示了当前前沿的LLMs成功率较低，尤其是在推理隐式约束和检测不可行性方面。
本文介绍了ContrAgent，一个基于合约的框架，用于对LLM代理进行符号时间监督，确保在在线和离线模式下以低延迟执行确定性安全检查。
提出了NeSy-Spatial，一种神经符号框架，通过组合工具使用技能和几何技能来自我进化空间推理技能，提高了空间推理基准的准确性。