实时 AI 资讯
Project Auto-World：利用 LLM 自动化神经关系推理基准测试
arXiv 新研究提出利用大语言模型自动化构建关系推理基准，解决评估神经模型泛化能力时测试实例难度未知的核心问题。
发布时间/阅读次数 0
一篇题为《Project Auto-World: Towards Automated Benchmarking of Neural Relational Reasoners》的论文在 arXiv 上发表。研究指出，神经模型在关系结构推理上面临重大挑战，尤其是在需要将学习到的知识系统性地应用于比训练时更难的实例时。
论文认为，评估此类泛化能力的进展受到基准测试困难的阻碍——因为先验上很难判断什么使一个实例变得困难。为解决此问题，研究提出利用大语言模型来自动化地构建基准测试。
来源为 arXiv cs.AI（编号 2606.24965），于 2026 年 6 月 25 日发布。
为什么重要
该研究有望解决关系推理评估中的关键瓶颈——实例难度未知问题——为自动化基准测试开辟新路径。