实体 Age of LLM

Age of LLM

PulseAugur coverage of Age of LLM — every cluster mentioning Age of LLM across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

RESEARCH · CL_107701 · Jun 23 · 10:25

新的“LLM时代”基准测试，用于测试AI的策略、外交和可靠性

研究人员开发了“LLM时代”（Age of LLM），这是一个新的基准测试，旨在模拟战争环境中测试大语言模型（LLMs）的战略推理、外交和可靠性。该基准测试包含一个回合制的1v1游戏，LLMs必须在战争迷雾中进行导航，进行外交交涉，并遵守严格的JSON模式规则，非法操作将被静默丢弃。初步发现表明存在一种占主导地位的“核竞赛”策略，外交成功率有限，并且模型可靠性与性能之间可能存在相关性，尽管需要进一步研究来证实这些初步结果。