清华团队推出 PACE-Bench：评测智能体在动态物理环境中的代码自适应能力

清华大学自然语言处理团队发布 PACE-Bench，用动态物理环境检验智能体能否依据执行反馈修改代码、适应环境变化；其价值在于把评测重点从固定条件下的任务完成，推进到环境突变后的恢复能力。

• 论文《PACE-Bench: Benchmarking Physics Adaptation via Code Evolution in Dynamic Environments》于2026年8月14日提交至 arXiv，设置144组源环境到目标环境的适应任务，覆盖六类物理领域。
• 目标环境会改变物理参数，但保留任务目标与接口，智能体必须通过有限次数的代码修改和模拟器反馈重新设计方案。
• 论文报告称，Reflexion+Qwen3-14B在完整基准上的成功率为35.9%；GPT-5.5在 Statics 子集、完整预算下达到66.7%，二者并非同一测试范围。
• 研究还发现，基于模拟器结果的反思优于未经验证的自我修订；即使直接告知物理变化，也没有消除性能上限，说明难点更多在机制重设计，而不只是参数推断。
• 这类基准对代码智能体和具身智能体都有参考意义，但结果依赖任务构造、预算和模拟器与现实世界的差异。
• 影响/看点：PACE-Bench可能促使智能体评测更多关注环境变化后的恢复与重构能力；这一影响能否成立，取决于基准任务是否具有足够的现实代表性，以及模拟器反馈能否有效映射到真实环境。
• 资料依据:《PACE-Bench: Benchmarking Physics Adaptation via Code Evolution in Dynamic Environments》，2026年8月14日，https://arxiv.org/abs/2608.14441；PACE-Bench论文页面，https://huggingface.co/papers/2608.14441

本内容由 AI 生成，仅供参考，请注意甄别