OPT-BENCH: Evaluating LLM Agent on Large-Scale Search Spaces Optimization Problems
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Li, Xiaozhe, Chen, Jixuan, Fang, Xinyu, Ding, Shengyuan, Duan, Haodong, Liu, Qingwen, Chen, Kai |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
OPT-BENCH: Evaluating the Iterative Self-Optimization of LLM Agents in Large-Scale Search Spaces
par: Li, Xiaozhe, et autres
Publié: (2026)
par: Li, Xiaozhe, et autres
Publié: (2026)
NP-Engine: Empowering Optimization Reasoning in Large Language Models with Verifiable Synthetic NP Problems
par: Li, Xiaozhe, et autres
Publié: (2025)
par: Li, Xiaozhe, et autres
Publié: (2025)
Forge: Quality-Aware Reinforcement Learning for NP-Hard Optimization in LLMs
par: Li, Xiaozhe, et autres
Publié: (2026)
par: Li, Xiaozhe, et autres
Publié: (2026)
Beyond Mode Collapse: Distribution Matching for Diverse Reasoning
par: Li, Xiaozhe, et autres
Publié: (2026)
par: Li, Xiaozhe, et autres
Publié: (2026)
LMR-BENCH: Evaluating LLM Agent's Ability on Reproducing Language Modeling Research
par: Yan, Shuo, et autres
Publié: (2025)
par: Yan, Shuo, et autres
Publié: (2025)
AlphaOPT: Formulating Optimization Programs with Self-Improving LLM Experience Library
par: Kong, Minwei, et autres
Publié: (2025)
par: Kong, Minwei, et autres
Publié: (2025)
M3-BENCH: Process-Aware Evaluation of LLM Agents' Social Behaviors in Mixed-Motive Games
par: Xie, Sixiong, et autres
Publié: (2026)
par: Xie, Sixiong, et autres
Publié: (2026)
OPT-Engine: Benchmarking the Limits of LLMs in Optimization Modeling via Complexity Scaling
par: Chen, Yitian, et autres
Publié: (2026)
par: Chen, Yitian, et autres
Publié: (2026)
Escaping the Context Bottleneck: Active Context Curation for LLM Agents via Reinforcement Learning
par: Li, Xiaozhe, et autres
Publié: (2026)
par: Li, Xiaozhe, et autres
Publié: (2026)
PAC-BENCH: Evaluating Multi-Agent Collaboration under Privacy Constraints
par: Park, Minjun, et autres
Publié: (2026)
par: Park, Minjun, et autres
Publié: (2026)
AI4OPT: AI Institute for Advances in Optimization
par: Van Hentenryck, Pascal, et autres
Publié: (2023)
par: Van Hentenryck, Pascal, et autres
Publié: (2023)
CONDESION-BENCH: Conditional Decision-Making of Large Language Models in Compositional Action Space
par: Hwang, Yeonjun, et autres
Publié: (2026)
par: Hwang, Yeonjun, et autres
Publié: (2026)
Mozi: Governed Autonomy for Drug Discovery LLM Agents
par: Cao, He, et autres
Publié: (2026)
par: Cao, He, et autres
Publié: (2026)
DRAGON: LLM-Driven Decomposition and Reconstruction Agents for Large-Scale Combinatorial Optimization
par: Chen, Shengkai, et autres
Publié: (2026)
par: Chen, Shengkai, et autres
Publié: (2026)
ReasonBENCH: Benchmarking the (In)Stability of LLM Reasoning
par: Potamitis, Nearchos, et autres
Publié: (2025)
par: Potamitis, Nearchos, et autres
Publié: (2025)
Ada-LEval: Evaluating long-context LLMs with length-adaptable benchmarks
par: Wang, Chonghua, et autres
Publié: (2024)
par: Wang, Chonghua, et autres
Publié: (2024)
FM-Agent: Scaling Formal Methods to Large Systems via LLM-Based Hoare-Style Reasoning
par: Ding, Haoran, et autres
Publié: (2026)
par: Ding, Haoran, et autres
Publié: (2026)
CompassJudger-1: All-in-one Judge Model Helps Model Evaluation and Evolution
par: Cao, Maosong, et autres
Publié: (2024)
par: Cao, Maosong, et autres
Publié: (2024)
Web2BigTable: A Bi-Level Multi-Agent LLM System for Internet-Scale Information Search and Extraction
par: Huang, Yuxuan, et autres
Publié: (2026)
par: Huang, Yuxuan, et autres
Publié: (2026)
ComplexMCP: Evaluation of LLM Agents in Dynamic, Interdependent, and Large-Scale Tool Sandbox
par: Li, Yuanyang, et autres
Publié: (2026)
par: Li, Yuanyang, et autres
Publié: (2026)
Competition-Level Problems are Effective LLM Evaluators
par: Huang, Yiming, et autres
Publié: (2023)
par: Huang, Yiming, et autres
Publié: (2023)
Inference-Time Budget Control for LLM Search Agents
par: Fang, Zhengru, et autres
Publié: (2026)
par: Fang, Zhengru, et autres
Publié: (2026)
DISCO: Efficient Diffusion Solver for Large-Scale Combinatorial Optimization Problems
par: Zhao, Hang, et autres
Publié: (2024)
par: Zhao, Hang, et autres
Publié: (2024)
Beyond Outcome Reward: Decoupling Search and Answering Improves LLM Agents
par: Wang, Yiding, et autres
Publié: (2025)
par: Wang, Yiding, et autres
Publié: (2025)
Redundancy Principles for MLLMs Benchmarks
par: Zhang, Zicheng, et autres
Publié: (2025)
par: Zhang, Zicheng, et autres
Publié: (2025)
FaithSteer-BENCH: A Deployment-Aligned Stress-Testing Benchmark for Inference-Time Steering
par: Ding, Zikang, et autres
Publié: (2026)
par: Ding, Zikang, et autres
Publié: (2026)
Knots: A Large-Scale Multi-Agent Enhanced Expert-Annotated Dataset and LLM Prompt Optimization for NOTAM Semantic Parsing
par: Liu, Maoqi, et autres
Publié: (2025)
par: Liu, Maoqi, et autres
Publié: (2025)
M-$LLM^3$REC: A Motivation-Aware User-Item Interaction Framework for Enhancing Recommendation Accuracy with LLMs
par: Chen, Lining, et autres
Publié: (2025)
par: Chen, Lining, et autres
Publié: (2025)
DP-OPT: Make Large Language Model Your Privacy-Preserving Prompt Engineer
par: Hong, Junyuan, et autres
Publié: (2023)
par: Hong, Junyuan, et autres
Publié: (2023)
Condor: Enhance LLM Alignment with Knowledge-Driven Data Synthesis and Refinement
par: Cao, Maosong, et autres
Publié: (2025)
par: Cao, Maosong, et autres
Publié: (2025)
COAgents: Multi-Agent Framework to Learn and Navigate Routing Problems Search Space
par: Yakovenko, Oleksandr, et autres
Publié: (2026)
par: Yakovenko, Oleksandr, et autres
Publié: (2026)
DICE-BENCH: Evaluating the Tool-Use Capabilities of Large Language Models in Multi-Round, Multi-Party Dialogues
par: Jang, Kyochul, et autres
Publié: (2025)
par: Jang, Kyochul, et autres
Publié: (2025)
TIDE: Trajectory-based Diagnostic Evaluation of Test-Time Improvement in LLM Agents
par: Yan, Hang, et autres
Publié: (2026)
par: Yan, Hang, et autres
Publié: (2026)
Hierarchical Memory Orchestration for Personalized Persistent Agents
par: Liu, Junming, et autres
Publié: (2026)
par: Liu, Junming, et autres
Publié: (2026)
A Survey of LLM-based Deep Search Agents: Paradigm, Optimization, Evaluation, and Challenges
par: Xi, Yunjia, et autres
Publié: (2025)
par: Xi, Yunjia, et autres
Publié: (2025)
COMMA: A Communicative Multimodal Multi-Agent Benchmark
par: Ossowski, Timothy, et autres
Publié: (2024)
par: Ossowski, Timothy, et autres
Publié: (2024)
S$^{2}$FT: Efficient, Scalable and Generalizable LLM Fine-tuning by Structured Sparsity
par: Yang, Xinyu, et autres
Publié: (2024)
par: Yang, Xinyu, et autres
Publié: (2024)
ChemLabs on ChemO: A Multi-Agent System for Multimodal Reasoning on IChO 2025
par: Xu, Qiang, et autres
Publié: (2025)
par: Xu, Qiang, et autres
Publié: (2025)
DeliveryBench: Can Agents Earn Profit in Real World?
par: Mao, Lingjun, et autres
Publié: (2025)
par: Mao, Lingjun, et autres
Publié: (2025)
Improving LLM Safety and Helpfulness using SFT and DPO: A Study on OPT-350M
par: Pant, Piyush
Publié: (2025)
par: Pant, Piyush
Publié: (2025)
Documents similaires
-
OPT-BENCH: Evaluating the Iterative Self-Optimization of LLM Agents in Large-Scale Search Spaces
par: Li, Xiaozhe, et autres
Publié: (2026) -
NP-Engine: Empowering Optimization Reasoning in Large Language Models with Verifiable Synthetic NP Problems
par: Li, Xiaozhe, et autres
Publié: (2025) -
Forge: Quality-Aware Reinforcement Learning for NP-Hard Optimization in LLMs
par: Li, Xiaozhe, et autres
Publié: (2026) -
Beyond Mode Collapse: Distribution Matching for Diverse Reasoning
par: Li, Xiaozhe, et autres
Publié: (2026) -
LMR-BENCH: Evaluating LLM Agent's Ability on Reproducing Language Modeling Research
par: Yan, Shuo, et autres
Publié: (2025)