GPTNT

新的GPTNT基准测试AI智能体实时协作能力

研究人员推出GPTNT，一个旨在评估多模态AI智能体实时协作能力的新基准。GPTNT基于游戏《Keep Talking and Nobody Explodes》构建，模拟了时间压力和信息不对称的场景，要求智能体进行有效沟通以解决复杂的谜题。目前最先进的模型在此基准测试中表现出显著的挑战，未能实时拆除任何炸弹，突显了在状态跟踪和压力下高效行动等方面的关键弱点。该基准测试的发布旨在促进对协作式AI性能的进一步研究。