SpireBench：用《杀戮尖塔》评测模型长程策略
热点事件持续更新
SpireBench：用《杀戮尖塔》评测模型长程策略
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
研究者 Scott C. Lowe 和 Sander W. Keemink 发布 SpireBench，让 20 个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》，以评测其长程策略推理能力。结果显示，前沿模型能击败启发式基线并追平普通人类玩家，但仍远逊于专家，且差距随游戏进程拉长而扩大。 模型普遍在整局中误判风险，倾向保守保血而非以血量换取成长。将游戏术语全面重命名后，模型性能下降，研究者据此认为部分表现依赖对游戏的先验知识；模型也无法从跨局记忆中改进。
AI 根据报道生成 · 57 分钟前更新
最新进展10月12日 12:00
SpireBench：用《杀戮尖塔》评测智能体模型的长程策略能力报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.CLSpireBench：用《杀戮尖塔》评测智能体模型的长程策略能力
研究者推出 SpireBench，让 20 个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》，以评测其长程策略推理能力。前沿模型能击败启发式基线并追平普通人类玩家，但仍远逊于专家，且差距随游戏进程拉长而扩大；模型普遍在整局中误判风险，倾向保守保血而非以血量换取成长。全面重命名游戏术语后性能下降，说明部分表现依赖对游戏的先验知识，模型也无法从跨局记忆中改进。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。