Environment Duels基准发布

发生了什么

arXiv cs.CL发布Environment Duels基准，评估大模型在交互环境中的编写与求解双重能力。该基准通过真实世界交互评估模型创作环境和解决问题的能力，每个模型需编写含特权提示的环境，提示对解决者至关重要。研究发现，解决和创作能力并非一致，小模型从他人中学习更多。对Qwen3.8-27B的强化学习研究表明，模型在环境中的训练效果可推广到其他推理和代理基准。