SpireBench：让LLM完整游玩《杀戮尖塔》测长程策略
热点事件持续更新
SpireBench：让LLM完整游玩《杀戮尖塔》测长程策略
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Scott C. Lowe 和 Sander W. Keemink 发布 SpireBench 基准，让大语言模型在《杀戮尖塔》最高难度下完整游玩这款商业卡牌构筑游戏，评估长时程战略决策；论文称其 harness 首次让模型接触完整的原版游戏，并与现有 harness 比较。 基于论文摘要：受测的 20 个模型整体超过启发式基线、达到普通人类玩家平均水平，但明显落后专家；模型间差距随游戏流程延长而扩大。统一改写游戏术语的实验表明部分表现依赖对游戏的先验知识；跨局记忆通常错误或过度谨慎，未能改善后续表现。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
SpireBench 用《杀戮尖塔》评测大语言模型的长时程战略决策报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · cs.AISpireBench 用《杀戮尖塔》评测大语言模型的长时程战略决策
研究者提出 SpireBench，让大语言模型在最高难度下完整游玩商业卡牌构筑游戏《杀戮尖塔》，用于评估长时程战略决策。基于论文摘要，20个受测模型整体超过启发式基线并达到普通人类平均水平，但明显落后专家，且模型间差距会随着流程延长而扩大；统一改写游戏术语表明部分表现依赖先验知识，跨局记忆通常错误或过度谨慎，未能改善后续表现。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月12日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
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。