English(EN) You can rarely pet the dog in an LLM-generated game

大型语言模型在游戏生成中无法推断隐含意图，DogLM 基准测试显示

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-01 20:28

一项名为 DogLM 的新基准测试显示，大型语言模型在推断隐含用户意图方面存在困难，尤其是在生成内容的互动元素方面。在 17 种不同大型语言模型生成的 804 款浏览器游戏中，除非明确提示，否则模型很少会使背景中的狗产生互动。即使有提示添加有趣的机制，也只有一小部分游戏包含任何形式的玩家与狗的互动，允许实际“摸狗”的则更少。 AI

影响凸显了大型语言模型在理解和响应隐含用户需求方面的能力差距，表明需要改进人工智能开发中的对齐和推理能力。

排序理由该条目描述了一个新的基准测试及其关于大型语言模型能力的发现。[lever_c_demoted from research: ic=1 ai=1.0]

在 LessWrong (AI tag) 阅读 →

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

本文如何被排名

Signal score: 55 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目描述了一个新的基准测试及其关于大型语言模型能力的发现。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: product, opinion; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

LessWrong (AI tag) TIER_1 English(EN) · yamike · 2026-09-01 20:28

在LLM生成的游戏中，你很少能抚摸到狗狗

I asked 17 LLMs to generate browser games that feature a dog. Across 804 playable games generated, the models almost never made the background dog interactive unless they were hinted to do so.I built <a href="https://mikeushakov.github.i…

本文如何被排名

报道来源 [1]

在LLM生成的游戏中，你很少能抚摸到狗狗

相关实体

相关话题