KradleBench 推出 Minecraft 多智能体 AI 基准测试
热点事件观察中
KradleBench 推出 Minecraft 多智能体 AI 基准测试
2 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Kradle 发布了 KradleBench,这是一个在 Minecraft 中测试前沿 AI 模型多智能体任务的基准,涵盖协作、经济、冲突、逻辑和创造力五个类别。GPT-6.2 Astra 以 78.28 分(满分 100)位列总榜第一,每次运行的 LLM 成本为 1.26 美元。 在与人类玩家的对比中,熟练的 Minecraft 玩家 SethBling 在经济和冲突类别中仍然击败了这些模型,但在单人逻辑和创造力挑战中落后于它们。每次基准测试运行都可以作为交互式记录回放。
AI 根据报道生成 · 1 天前更新
最新进展11月19日 03:14
KradleBench 推出基于 Minecraft 的前沿模型多智能体基准报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- Hacker News · AIKradleBench 推出基于 Minecraft 的前沿模型多智能体基准
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。
- Hacker News · AIKradleBench 在 Minecraft 中对多智能体 AI 模型进行基准测试
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。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 1011月19日 04:00
- 近 24 小时变化
- -48%
02.557.510
19191920
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。