Hacker News · AI·· 1 天前AI 評分55
KradleBench 在 Minecraft 中對多代理 AI 模型進行基準測試
KradleBench: Multi-agent AI evals in Minecraft
AI 導讀
Kradle 的基準測試 KradleBench 在 Minecraft 中評估前沿模型於協作、經濟、衝突、邏輯與創造力等多代理任務上的表現。GPT-6.2 Astra 以 78.28/100 的總分排名第一,每次執行的 LLM 成本為 $1.26;而熟練玩家 SethBling 在經濟與衝突方面仍勝過這些模型,但在單人邏輯與創造力挑戰上則落後於它們。每次執行都可作為互動式回放重播。
來源:Hacker News · AI · kradle.ai