SpireBench测试大模型长期战略能力
热点事件持续更新
SpireBench测试大模型长期战略能力
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
加拿大Vector研究所与荷兰Radboud大学团队发布SpireBench，以《杀戮尖塔》A20难度评估大模型的长期战略能力。20个模型均使用铁甲战士、最高推理档位，在相同的10个全新种子中挑战共200局；最终只有GPT-5.6 Sol通关一次心脏。 研究人员认为，模型过度休息、较少挑战精英以及倾向保留更多卡牌，是影响长期通关表现的重要因素。
AI 根据报道生成 · 1 小时前更新
最新进展10月20日 00:00
SpireBench用《杀戮尖塔》A20难度测试大模型长期战略能力报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- 游研社SpireBench用《杀戮尖塔》A20难度测试大模型长期战略能力
加拿大Vector研究所与荷兰Radboud大学的研究团队发布SpireBench，用20个大模型在《杀戮尖塔》A20难度、10个全新种子中完成200局测试。结果显示，仅GPT-5.6 Sol通关一次心脏；研究认为，模型过度休息、较少挑战精英并倾向保留更多卡牌，是影响长期通关表现的重要因素。
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。