EdgeBench续：AI智能体关键策略优化让单测用例评分提升6倍

karminski3 · x · 2026-07-06

测试者继续分享35B模型在EdgeBench框架中的DCSS游戏测试细节。初始Bot逻辑粗糙，仅实现基本攻击和简单休息；高分版本则补齐了被菜单卡住、确认提示、被网住/混乱等异常情况的处理，以及更精细的环境扫描判断。

其中关键改进是休息策略：高分版主动扫描周围怪物评估环境安全性，而非简单地「没有贴脸敌人就休息」。这一策略变化直接将一个测试用例评分从21分提升至126分。整个过程直观展示了AI智能体在长程任务中如何将失败反馈转化为策略提升——这正是EdgeBench框架设计的核心考察点。