SpireBench 评测大模型《杀戮尖塔》长程策略
热点事件持续更新
SpireBench 评测大模型《杀戮尖塔》长程策略
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Scott C. Lowe 与 Sander W. Keemink 提出 SpireBench，让 20 个大语言模型在《杀戮尖塔》（Slay the Spire）最高难度下完整游玩这款商业卡牌构筑游戏，以评测其长时程策略能力。 研究者称，前沿模型能击败启发式基线并追平普通人类玩家，但与专家差距明显，且随游戏流程拉长而扩大。所有模型都会误判长程风险，倾向于保血而非以血量换取成长。 研究还称，全面重命名游戏术语后，模型表现部分依赖对该游戏的先验知识，且无法从跨局记录的记忆中改进。
AI 根据报道生成 · 1 小时前更新
最新进展10月12日 12:00
SpireBench：用《杀戮尖塔》评测智能体模型的长程策略博弈能力报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv：cs.AISpireBench：用《杀戮尖塔》评测智能体模型的长程策略博弈能力
研究者推出 SpireBench，让 20 个大语言模型在最高难度下完整游玩商业卡牌构筑游戏《杀戮尖塔》。前沿模型能击败启发式基线并追平普通人类玩家，但与专家差距明显，且随流程拉长而扩大；所有模型都会误判长程风险，倾向于保血而非以血量换取成长。全面重命名游戏术语后，模型表现部分依赖对该游戏的先验知识，且无法从跨局记录的记忆中改进。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。