WorldSolver 基准测试：LLM 智能体能写物理求解器吗
有人把 61 篇图形学论文的物理仿真做成了 168 道题考 LLM，GPT-5.6-Sol 也只考了 48.7 分，想看模型写仿真代码的真实水平可以读读。
#LLM 智能体
共 4 条 · 7 天 1 条 · 30 天 2 条
信息流里打上「LLM 智能体」标签的资讯、产品与论文，按刊登时间排，新的在上。
10月7日
9月24日
State-Grounded Conditioning：让 LLM 智能体依据实时状态给出正确方向
做游戏内或实时状态类对话智能体的朋友看看，三个包装器把接地准确率从 60% 多拉到 96.7%，延迟还压在 1.5 秒。
6月9日
VESTA：LLM 智能体全自动场景生成与安全评估框架
做 LLM 智能体安全评估的团队终于有了自动化工具——VESTA 能生成上千个真实任务场景，直接测出模型执行中的安全漏洞。建议关注智能体安全的开发者点开看看，结果可能会让你重新审视现有模型的风险。
5月13日
MEME 基准测试：多实体与演化记忆评估，所有系统在依赖推理上崩溃
做 LLM 智能体长期记忆系统的团队会发现，现有方案在依赖推理上几乎失效——MEME 基准暴露了被忽视的盲区，值得点开看看你的系统能否通过级联和缺失任务。