一个名为LOLPlay的新基准测试已被开发出来,用于评估《英雄联盟》中的实时视觉代理。该基准测试包含36个特定英雄的任务,涵盖资源管理、战斗、合作和目标争夺。在对三个模型的评估中,GPT-6 Astra在低和中等努力设置下实现了最高的25.0%任务成功率。然而,增加推理努力并没有提高任何模型的性能,并且对于GPT-6 Astra来说,这导致了更少的交互回合,表明推理深度与实时控制之间存在权衡。 AI
影响 该基准测试有望推动AI代理在复杂、动态环境中实时决策和视觉推理能力的进步。
排序理由 该集群描述了一个关于在复杂环境中评估AI代理的新基准测试和研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →