DungeonBench benchmark 测试 AI 在《龙与地下城》战斗中的战术推理能力

研究人员推出了 DungeonBench，这是一个旨在评估在《龙与地下城》战斗等复杂游戏环境中战术推理能力的新基准。该基准考虑了广泛的游戏机制，包括几何、时机、资源管理和规则交互，这些在现有模拟器中常常被简化。DungeonBench 提供两个赛道：“遭遇战”（Encounter）用于单场战斗战术，以及“日”（Day）用于评估跨越多场遭遇战的长期资源管理和生存能力。初步评估显示，尽管前沿语言模型在单场遭遇战中表现良好，但它们在链接的、多遭遇战场景所需的战略规划方面存在困难。 AI

影响 该基准有望推动 AI 在执行复杂、基于规则的战术推理能力方面的进步，可能对游戏和其他战略领域中的 AI 代理产生影响。

排序理由 该项目是一篇介绍新 AI 评估基准的研究论文。

在 arXiv cs.AI 阅读 →

• alphaXiv
• CatalyzeX
• DagsHub
• Day
• DungeonBench
• Dungeons & Dragons
• Encounter
• Gotit.pub
• Hugging Face
• Ismayil Ismayilov
• ScienceCast
• System Reference Document

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →