跳至正文
熱點事件觀察中

KradleBench 推出 Minecraft 多智能體 AI 基準測試

2 篇報導1 個報導來源1 天前更新

先了解這件事

AI 綜述

Kradle 發布 KradleBench,這是一項在 Minecraft 中測試前沿 AI 模型多智能體任務的基準,涵蓋協作、經濟、衝突、邏輯與創造力五大類別。GPT-6.2 Astra 以 78.28 分(滿分 100)位居總榜第一,每次執行的 LLM 成本為 1.26 美元。 在與人類玩家的對比中,熟練的 Minecraft 玩家 SethBling 在經濟與衝突類別仍勝過這些模型,但在單人邏輯與創造力挑戰上則落後於它們。每次基準測試執行都可作為互動式錄影重播。

AI 依報導生成 · 1 天前更新

報導時間線

沿著報導,了解事件的不同側面。

11月19日
  1. Hacker News · AI
    KradleBench 推出以 Minecraft 為基礎的前沿模型多智能體基準測試

    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。

  2. Hacker News · AI
    KradleBench 在 Minecraft 中對多代理 AI 模型進行基準測試

    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。

本事件熱度走勢

可比範圍當前
5
可比範圍峰值
1011月19日 04:00
近 24 小時變化
-48%

趨勢僅比較持續完整觀測到的相同主體,範圍可能小於當前熱度統計。移動指標或點擊圖表查看每小時熱度;鍵盤可用左右方向鍵切換。