AlphaDiana：面向可验证推理任务的AI智能体测量系统

发生了什么

arXiv cs.AI论文介绍AlphaDiana，这是一个用于评估AI智能体的测量系统。该系统通过模块化接口连接数据集、智能体、环境和评分器，支持对智能体组件进行微观干预。研究发现，工具使用并不总能提高推理准确性，且行为与输出令牌使用需结合正确性进行评估。