先手 SENTE · 周报阅读清单 · 速读 · arXiv 2610.08215
Learn2Play Bench：Agent 真的会「从经验中学习」吗？
Learn2Play Bench: How Well Do LLM Agents Learn from Experience in Unfamiliar Environments?
Yibo Li，Jinhang Qiu，Zhi Zheng，Qianyun Guo 等 7 位作者 · 2026-10-06
用规则反常识的新游戏，测 Agent 是真学会还是靠背
打开交互式解读 →三个要点
- 设计：20 个全新设计的文字游戏，规则新奇或反直觉（例如偷同事午饭反而能升职，努力工作不行），预训练知识帮不上忙，Agent 只能靠交互摸索。游戏反馈可复现、自动打分，并会更换游戏实例检验学到的东西能否迁移。
- 发现一：保留完整的动作与反馈记录，比把经验总结成规则或策略学得更好。发现二：顶尖人类玩家的峰值分数仍高于被评测的 Agent（人类 Top-1 为 84.3，最佳 Agent Claude Opus 5.5 为 80.1）；人类尝试的策略更多样、重复动作更少。
- 发现三：底座模型固定时，换一个 harness（Agent 外围框架）就能提高成绩并降低推理成本。另外，分数最高的模型不一定是「进步最快」的模型。
84.3 vs 80.1 峰值分：人类 Top-1 vs 最佳 Agent（Claude Opus 5.5）
适合谁读：做 Agent 框架、记忆与「自我进化」产品的团队；评测与 RL 环境公司；需要判断 Agent 学习能力宣传真伪的投资人。
AI 解读 · 基于原文：本页由 AI 根据论文原文整理，所有数字均可在原文中找到出处；引用前请核对原文。