本研究提出了一套评估大型语言模型反思能力的工具，包含七个任务。结果显示，当前模型在反思能力上仍有不足，为未来研究提供了方向。
本研究提出了一套评估大型语言模型反思能力的工具，名为反思基准。
该工具包含七个任务，旨在测评核心认知功能。
研究结果显示，当前的LLMs在反思能力方面表现不足。
研究为未来的研究提供了方向和启示。
推动AI在环境互动中更可靠的表现。
完成下面两步后，将自动完成登录并继续当前操作。
