Hacker News · AI·· 1 天前AI 评分58
KradleBench 推出基于 Minecraft 的前沿模型多智能体基准
Show HN: KradleBench – Multi-agent AI evals in Minecraft
AI 导读
KradleBench 是一个新基准,在 Minecraft 中评估多智能体 AI 模型,涵盖协作、经济、冲突、逻辑和创造力任务。GPT-6.2 Astra 以 78.28/100 的总分排名第一,每次运行 LLM 成本为 $1.26;而熟练人类玩家 SethBling 在经济和冲突方面击败前沿模型,但在单人逻辑和创造力挑战上落后于它们。每次运行都可以作为交互式录像回放。
来源:Hacker News · AI · kradle.ai