LiveGeo：在持续演化的地理环境中评测 LLM 智能体

研究团队提出地理环境平台 GeoWorld 与基于它的基准 LiveGeo，用于评测 LLM 智能体在持续演化的真实地理环境中的决策可靠性。LiveGeo 要求智能体主动获取任务相关信息、核查支撑先前决策的证据是否仍然有效，并在必要时修改计划；结果显示前沿 LLM 在静态任务上已显吃力，且没有模型能在各类任务上稳定领先，静态表现强并不能保证动态可靠性。