北大三星 RealtimeBench：世界不暂停评测智能体实时决策

北京大学与三星发表论文《The World Won't Wait》，指出游戏评测通常在世界暂停时进行，慢思考没有代价，但真实环境不会等模型。作者构建 RealtimeBench：180 个任务、六种游戏类型，推理期间游戏世界持续运行，评估智能体实时决策能力。实验发现慢模型离线指导快模型，可将其游戏得分从 13.51 提升至 24.19，接近翻倍。

2026-10-17 ~ 2026-10-17 · 2 条相关

另有 1 条近重复转述:rohanpaul_ai