RuleTrek 基准：11 个前沿 LLM 规则推理最高得分仅六成

中科院自动化所等团队发布 RuleTrek，一个面向复杂场景的多领域 agentic 规则推理基准，代码与数据集已开源。该基准从规则文档抽取结构化规则图，在交互式工作区中评测规则识别（RI）、规则推演（RD）与端到端规则推理（E2E）三项能力。11 个前沿 LLM 中，RI 与 RD 最高分仅 62.47% 和 60.43%，E2E 得分在 26.97%–55.29% 之间。