趨勢 · 預印本 10 月 25 日

Zhao 等測代理人最佳過 47.7%。評分由代理人代評

UCL、UNC 等機構的 Haoyu Zhao 等人在預印本「持續學習考試」量前沿 LLM 代理人能不能從經驗累積進步，最好的系統通過 47.7% 的關卡。 基準有 120 題人寫的專業任務，每題五關、共 600 關，必須過一關才解鎖下一關，後關要用前關累積的經驗（arXiv 2610.33956，2026-10-25）。據摘要，跨 17 組外框與模型的搭配，最好的系統通過 47.7% 的關卡，五關全過的題目只占 23.3%；失敗後給診斷回饋並允許修一次，完成率中位數多 5.3 個百分點。評分由評估代理人依人寫的評分準則代評，論文摘要沒交代評分器本身多可靠，也沒列 17 組是哪些。與第 2 則並排是本報的安排，兩篇任務與指標都不同，不能互證。第 2 則的代理人在單一遊戲裡靠建環境拿到高名次，這一篇的代理人直接從經驗累積，在這個基準上過不了一半的關卡。怎麼查的 →

概念插圖：從禮堂一排排座椅後方望向舞台，舞台上的大螢幕畫著五扇並排的門，左邊兩扇敞開，中間一扇紅門關著，門前地上放著一台筆電，螢幕上有對話框圖示，右邊兩扇米色門關著。舞台右側站著一名穿深色長大衣、手持小型裝置的人，正望向螢幕，右上方掛著兩塊分別寫著「UCL」和「UNC」的黑色牌子。

出處與查證

這則刊在2026年10月27日的晨報，同一期還有 12 則。查證經過、引句核對與當天缺的資料，記在那一期的本日驗證。

引用這則

SecondSource（2026），〈Zhao 等測代理人最佳過 47.7%。評分由代理人代評〉，https://secondsource.io/research/2026-10-27-3/，取用日期取用。