JockeyBench: Đánh giá các agent LLM về việc ra quyết định đua ngựa
JockeyBench: Evaluating LLM Agents on Horse-Racing Decision-Making
Đoạn trích bài viết
Repeated event forecasting requires extracting predictive signals from noisy evidence and evaluating their value across successive decisions. We introduce JockeyBench, a benchmark and evaluation protocol that studies this problem through historical Japanese horse racing.
Toàn văn bài viết
Mở bài viết gốc
Đọc bài viết đầy đủ trên huggingface
Mở bài gốc để xem trọn vẹn chi tiết và dẫn chứng.