跳到正文
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

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. Hacker News · AI
    KradleBench 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。

  2. Hacker News · AI
    KradleBench 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%

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。