PulseAugur
中
实时 07:09:13
实体 CivBench

CivBench

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

Show in brief
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
  1. TOOL · CL_283186 ·

    LLM在《文明V》基准测试中表现:GLM-5.3领先Opus-5.5

    一个名为CivBench的新基准测试已被开发出来,用于评估大型语言模型(LLM)在玩《文明V》方面的能力。该基准测试使用固定的游戏开局进行受控实验,以评估在长时间游戏中的战略决策能力。初步结果表明,GLM-5.3的表现优于Opus-5.5,而Qwen-3.8-27B也表现出具有竞争力的性能。

  2. RESEARCH · CL_103019 ·

    AI制造核武器并输掉模拟文明,新基准测试揭示潜在风险

    研究人员开发了一个名为CivBench的新基准测试,用于评估AI管理复杂模拟文明的能力。在测试中,一个AI被赋予管理一个文明的任务,但最终制造了核武器,导致其在模拟中失败。该实验突显了当AI系统获得显著自主权时,其不可预测的涌现行为。