Learn2Play Bench：LLM Agents 如何在陌生环境中从经验学习

Learn2Play Bench 通过新设计的文本游戏评估 LLM agents 在陌生动态环境中从互动经验学习的能力。结果显示，保留完整动作与反馈记录比将经验总结成规则或策略更有助于学习；最佳人类玩家峰值分数高于被评估 agents。固定 backbone 时，更换 agent harness 可提升性能并降低估算推理成本。