OPT-BENCH: Evaluating the Iterative Self-Optimization of LLM Agents in Large-Scale Search Spaces

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Xiaozhe, Chen, Jixuan, Fang, Xinyu, Ding, Shengyuan, Duan, Haodong, Liu, Qingwen, Chen, Kai
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

OPT-BENCH: Evaluating LLM Agent on Large-Scale Search Spaces Optimization Problems
von: Li, Xiaozhe, et al.
Veröffentlicht: (2025)

NP-Engine: Empowering Optimization Reasoning in Large Language Models with Verifiable Synthetic NP Problems
von: Li, Xiaozhe, et al.
Veröffentlicht: (2025)

Forge: Quality-Aware Reinforcement Learning for NP-Hard Optimization in LLMs
von: Li, Xiaozhe, et al.
Veröffentlicht: (2026)

AlphaOPT: Formulating Optimization Programs with Self-Improving LLM Experience Library
von: Kong, Minwei, et al.
Veröffentlicht: (2025)

Beyond Mode Collapse: Distribution Matching for Diverse Reasoning
von: Li, Xiaozhe, et al.
Veröffentlicht: (2026)

LMR-BENCH: Evaluating LLM Agent's Ability on Reproducing Language Modeling Research
von: Yan, Shuo, et al.
Veröffentlicht: (2025)

OPT-Engine: Benchmarking the Limits of LLMs in Optimization Modeling via Complexity Scaling
von: Chen, Yitian, et al.
Veröffentlicht: (2026)

M3-BENCH: Process-Aware Evaluation of LLM Agents' Social Behaviors in Mixed-Motive Games
von: Xie, Sixiong, et al.
Veröffentlicht: (2026)

PAC-BENCH: Evaluating Multi-Agent Collaboration under Privacy Constraints
von: Park, Minjun, et al.
Veröffentlicht: (2026)

Escaping the Context Bottleneck: Active Context Curation for LLM Agents via Reinforcement Learning
von: Li, Xiaozhe, et al.
Veröffentlicht: (2026)

AI4OPT: AI Institute for Advances in Optimization
von: Van Hentenryck, Pascal, et al.
Veröffentlicht: (2023)

ReasonBENCH: Benchmarking the (In)Stability of LLM Reasoning
von: Potamitis, Nearchos, et al.
Veröffentlicht: (2025)

CONDESION-BENCH: Conditional Decision-Making of Large Language Models in Compositional Action Space
von: Hwang, Yeonjun, et al.
Veröffentlicht: (2026)

IterQR: An Iterative Framework for LLM-based Query Rewrite in e-Commercial Search System
von: Chen, Shangyu, et al.
Veröffentlicht: (2025)

Ada-LEval: Evaluating long-context LLMs with length-adaptable benchmarks
von: Wang, Chonghua, et al.
Veröffentlicht: (2024)

Mozi: Governed Autonomy for Drug Discovery LLM Agents
von: Cao, He, et al.
Veröffentlicht: (2026)

DRAGON: LLM-Driven Decomposition and Reconstruction Agents for Large-Scale Combinatorial Optimization
von: Chen, Shengkai, et al.
Veröffentlicht: (2026)

FM-Agent: Scaling Formal Methods to Large Systems via LLM-Based Hoare-Style Reasoning
von: Ding, Haoran, et al.
Veröffentlicht: (2026)

MEDLEY-BENCH: Scale Buys Evaluation but Not Control in AI Metacognition
von: Abtahi, Farhad, et al.
Veröffentlicht: (2026)

CompassJudger-1: All-in-one Judge Model Helps Model Evaluation and Evolution
von: Cao, Maosong, et al.
Veröffentlicht: (2024)

ComplexMCP: Evaluation of LLM Agents in Dynamic, Interdependent, and Large-Scale Tool Sandbox
von: Li, Yuanyang, et al.
Veröffentlicht: (2026)

STEER-BENCH: A Benchmark for Evaluating the Steerability of Large Language Models
von: Chen, Kai, et al.
Veröffentlicht: (2025)

Efficient Test-Time Scaling via Self-Calibration
von: Huang, Chengsong, et al.
Veröffentlicht: (2025)

SCoder: Iterative Self-Distillation for Bootstrapping Small-Scale Data Synthesizers to Empower Code LLMs
von: Zhang, Xinyu, et al.
Veröffentlicht: (2025)

SE-Agent: Self-Evolution Trajectory Optimization in Multi-Step Reasoning with LLM-Based Agents
von: Lin, Jiaye, et al.
Veröffentlicht: (2025)

Alignment Tipping Process: How Self-Evolution Pushes LLM Agents Off the Rails
von: Han, Siwei, et al.
Veröffentlicht: (2025)

Agent-R: Training Language Model Agents to Reflect via Iterative Self-Training
von: Yuan, Siyu, et al.
Veröffentlicht: (2025)

Redundancy Principles for MLLMs Benchmarks
von: Zhang, Zicheng, et al.
Veröffentlicht: (2025)

Web2BigTable: A Bi-Level Multi-Agent LLM System for Internet-Scale Information Search and Extraction
von: Huang, Yuxuan, et al.
Veröffentlicht: (2026)

Knots: A Large-Scale Multi-Agent Enhanced Expert-Annotated Dataset and LLM Prompt Optimization for NOTAM Semantic Parsing
von: Liu, Maoqi, et al.
Veröffentlicht: (2025)

Inference-Time Budget Control for LLM Search Agents
von: Fang, Zhengru, et al.
Veröffentlicht: (2026)

M-$LLM^3$REC: A Motivation-Aware User-Item Interaction Framework for Enhancing Recommendation Accuracy with LLMs
von: Chen, Lining, et al.
Veröffentlicht: (2025)

DP-OPT: Make Large Language Model Your Privacy-Preserving Prompt Engineer
von: Hong, Junyuan, et al.
Veröffentlicht: (2023)

Beyond Outcome Reward: Decoupling Search and Answering Improves LLM Agents
von: Wang, Yiding, et al.
Veröffentlicht: (2025)

EvolveMem:Self-Evolving Memory Architecture via AutoResearch for LLM Agents
von: Liu, Jiaqi, et al.
Veröffentlicht: (2026)

Condor: Enhance LLM Alignment with Knowledge-Driven Data Synthesis and Refinement
von: Cao, Maosong, et al.
Veröffentlicht: (2025)

FaithSteer-BENCH: A Deployment-Aligned Stress-Testing Benchmark for Inference-Time Steering
von: Ding, Zikang, et al.
Veröffentlicht: (2026)

DICE-BENCH: Evaluating the Tool-Use Capabilities of Large Language Models in Multi-Round, Multi-Party Dialogues
von: Jang, Kyochul, et al.
Veröffentlicht: (2025)

A Survey of LLM-based Deep Search Agents: Paradigm, Optimization, Evaluation, and Challenges
von: Xi, Yunjia, et al.
Veröffentlicht: (2025)

Improving LLM Safety and Helpfulness using SFT and DPO: A Study on OPT-350M
von: Pant, Piyush
Veröffentlicht: (2025)