**LiveMACEBench：基于真实金融市场的 LLM Agent 能力过程化评估**

_LiveMACE: Process-Aware Evaluation of LLM Agent Capabilities in Evolving Markets_

> 针对仅凭结果评估智能体在动态环境中掩盖真实能力的问题，研究提出了 LiveMACEBench 基准。该基准利用实时金融市场作为演化测试床，通过连续轨迹评估前沿大模型在工具使用、持久记忆、规则遵循及多智能体协作等配置下的表现。研究发现，实际收益与特定机制的能力指标存在显著差异，且相似结果可能源于不同的机制使用模式。该基准通过决策轨迹诊断，揭示了机制访问、有效使用及下游性能之间的非等价性，将实时市场从性能排行榜转变为智能体能力的诊断环境。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-19 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.09872)