**RuleTrek：评估大模型在复杂场景下的代理规则推理能力**

_RuleTrek: Benchmarking Agentic Rule Reasoning in Complex Scenarios_

> 研究人员推出了 RuleTrek 基准测试，旨在评估大语言模型在处理分布在多个文件中的复杂领域规则时的表现。该基准测试涵盖规则识别、规则推导及端到端推理三个维度，实验结果显示当前前沿模型在复杂规则推理方面仍面临巨大挑战。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-15 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.19698)