arXiv · cs.AI· Yoshinari Fujinuma, Keisuke Kamahori, Ryuto Koike, Abdelrahman Madkour, Varun Prashant Gangal, Monty Bichouna, Martyna Markiewicz, Shivani Jain, Duncan Curtis, Rebecca Qian, Anand Kannappan·· 1 天前
SpeedrunBench用电子游戏竞速挑战LLM智能体
SpeedrunBench: Challenging LLM Agents with Video Game Speedrunning
arXiv:2610.08076v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yoshinari Fujinuma, Keisuke Kamahori, Ryuto Koike, Abdelrahman Madkour, Varun Prashant Gangal, Monty Bichouna, Martyna Markiewicz, Shivani Jain, Duncan Curtis, Rebecca Qian, Anand Kannappan
研究任务与主要进展
SpeedrunBench通过9款电子游戏竞速任务评估LLM智能体的策略形成能力，要求智能体反复改进策略、反思表现并规划长期行动。基于论文摘要的实验显示，前沿智能体在简单平台游戏中接近人类世界纪录，但在更长、更复杂的游戏和实际预算下仍落后于人类表现。该基准可作为研究智能体策略形成与不易饱和评测的测试平台。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org