Newest papers

Environment Duels: A Microcosm of LLM Co-Evolution

Shibo Jin, Zhiqiu Xu, Yiling Zou, Shangyu Gong, Mayur Naik · 2026 · arXiv

DOI: 10.48550/arXiv.2610.30116 · open-access PDF

Russian

Через волну взаимодействий в реальном мире, от синтетических тренировочных трубопроводов до общих данных в открытой сети, граничные LLM поглощают то, что создают их предшественники и конкуренты. Насколько хорошо каждая модель играет свою роль в этой экосистеме, как создатель и как решатель? Мы вводим Environment Duels, динамический агентский ориентир, который оценивает обе возможности в интерактивной среде. Каждая модель пишет среды, каждая с привилегированным намеком, направленная на задачи, которые способные решатели не справляются без намека и проходят с ней.

Machine translation (Meta M2M100); the English original follows.

Abstract

Through a tangle of real-world interactions, from synthetic training pipelines to data shared on the open web, frontier LLMs absorb what their predecessors and competitors create. How well does each model play its role in this ecosystem, as a creator and as a solver? We introduce Environment Duels, a dynamic agentic benchmark that evaluates both capabilities on interactive environments. Each model writes environments, each with a privileged hint, aiming for tasks that capable solvers fail without the hint and pass with it. Across nine frontier LLMs, solving and authoring prove to be distinct s

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange