研究人员推出了SpeedrunBench,这是一个旨在评估大型语言模型代理策略形成能力的新基准。该基准使用九款不同游戏的视频游戏速通,挑战代理改进其策略并超越之前的尝试。虽然目前的前沿代理在更简单的游戏中显示出潜力,但在实际计算预算内,它们在更复杂、持续时间更长的游戏中仍落后于人类表现。 AI
影响 该基准可以推动大型语言模型代理策略形成和长时推理能力的进步。
排序理由 该项目描述了一个用于评估大型语言模型代理的新基准,该项目发表在arXiv的学术论文中。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- ScienceCast
- SpeedrunBench
- Yoshinari Fujinuma
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →