跳至正文
Hacker News · AI·· 1 天前AI 評分58

KradleBench 推出以 Minecraft 為基礎的前沿模型多智能體基準測試

Show HN: KradleBench – Multi-agent AI evals in Minecraft

AI 導讀

KradleBench 是一項新基準,在 Minecraft 中評估多智能體 AI 模型,涵蓋協作、經濟、衝突、邏輯與創造力任務。GPT-6.2 Astra 以 78.28/100 的總分排名第一,每次運行 LLM 成本為 $1.26;而熟練人類玩家 SethBling 在經濟與衝突項目上勝過前沿模型,但在單人邏輯與創造力挑戰上落後於它們。每次運行都可作為互動式錄像重播。

來源:Hacker News · AI · kradle.ai