《星际争霸》基准测试曝光大模型短板

开发者 Ben Swerdlow 打造了只能通过智能体操作的《星际争霸：母巢之战》版本，作为 Brood War Bench 基准测试各家大模型能否自主建基地、造兵、作战。结果显示主流通用大模型在即时战略任务上全部不敌新手玩家，而 Codex Astra 以 100% 胜率登顶，凸显当前模型在长程规划与实时决策上的巨大差距。

2026-09-21 ~ 2026-09-22 · 2 条相关