研究者发布XiangqiBench象棋评测基准
热点事件持续更新
研究者发布XiangqiBench象棋评测基准
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Yekun Chai 等作者发布 XiangqiBench，一个用中国象棋闭环评测 LLM Agent 的可执行基准。基准从 119 个有强制将杀的残局出发，要求模型对抗引擎防守方完成将杀，并记录了 12 个前沿 LLM 的 8,568 条多轮轨迹。 据论文介绍，这些残局的强制将杀由引擎或仅限将军的搜索支持。该基准用于衡量模型在象棋任务中的表现差异。
AI 根据报道生成 · 1 小时前更新
最新进展10月5日 12:00
XiangqiBench：用中国象棋闭环评测 LLM Agent 的论文报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv：cs.CLXiangqiBench：用中国象棋闭环评测 LLM Agent 的论文
研究者提出 XiangqiBench，一个可执行的 LLM Agent 闭环评测基准，要求模型在 119 个有强制将杀的象棋残局中对抗引擎防守方完成将杀，并记录了 12 个前沿 LLM 的 8,568 条多轮轨迹。
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。