跳到正文
Hacker News · AI·· 1 天前AI 评分55

KradleBench 在 Minecraft 中对多智能体 AI 模型进行基准测试

KradleBench: Multi-agent AI evals in Minecraft

AI 导读

Kradle 推出的基准测试 KradleBench 在 Minecraft 中评估前沿模型的多智能体任务表现,涵盖协作、经济、冲突、逻辑和创造力。GPT-6.2 Astra 以 78.28/100 的总分排名第一,每次运行的 LLM 成本为 1.26 美元;而熟练玩家 SethBling 在经济和冲突方面仍胜过这些模型,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回放进行重放。

来源:Hacker News · AI · kradle.ai