RuneBench 发布：让 LLM 在 RuneScape 中刷经验测能力

开发者发布 RuneBench 基准，让 AI agent 进入游戏《RuneScape》完成任务、比拼刷经验效率，agent 可通过 TypeScript SDK 读写游戏并参考 wiki 文档。测试结果暴露了各模型的典型问题，例如 Claude 因过度思考反而拖累了练级效率。该基准以趣味方式检验 LLM 的实际任务规划与执行能力。

2026-10-20 ~ 2026-10-20 · 2 条相关

• RuneBench：让 AI Agent 在游戏 RuneScape 里刷经验测能力 — charliermarsh · 2026-10-20
• RuneBench 让 LLM 玩 RuneScape：Claude 过度思考反拖累练级效率 — Own-Turnover-7641 · 2026-10-20