Learn2Play：用陌生游戏检查Agent是否从试错中学习

Learn2Play Bench: How Well Do LLM Agents Learn from Experience in Unfamiliar Environments?

20种隐藏规则文字游戏要求Agent从多轮行动反馈中修正规则。在部分匹配模型比较中，保留原始交互记录优于过早总结；但更费上下文，也非通用结论。论文10月6日初稿、10月8日修订，本期补看。

首次公开：2026-10-08 · 收录：2026-10-12

相关期次：2026-10-12 精选

阅读笔记

Learn2Play用20种隐规则文字游戏观察Agent能否凭试错修正认识。在匹配模型的某些比较中，保留原始交互史优于把经验压成规则；GemForge例子显示一次失败被归纳成过宽禁令。不同模型和代理框架结果不一，人类Top-1峰值高，但平均分比较并非人类全面领先。公开仓库仅含20个游戏模板快照，不含人类玩家记录。论文10月6日初稿、10月8日v2，本期补看。

原文：https://arxiv.org/abs/2610.08215
本期资料页：https://www.asteronline.cn/juju-radar/2026-10-12/
AI辅助整理。

笔记记录收录当期的判断。阅读一手材料不等于独立复现；后续进展请以原始来源为准。