LiveMACEBench基准发布

发生了什么

Hugging Face Papers发布LiveMACEBench，评估大模型Agent在真实金融市场中的过程意识能力与结果差距。该基准通过决策轨迹评估持续LLM Agent，揭示结果与潜在能力间的差异。研究在30天实时评估中，发现实现回报与能力特定测量常存在显著差距，且相似结果可由截然不同的机制使用模式产生。LiveMACEBench使市场从性能排行榜转变为能力诊断环境。