GPT-6 Astra 第 3 次尝试通关 NetHack，史上首个 LLM 通关记录
emollick · x · 2026-09-25
Ethan Mollick 转述：GPT-6 Astra 在第 3 次尝试中通关了 NetHack，可能是首个 LLM agent 的通关记录。博客作者 Kenny 记录了全过程：模型于 9 月 21 日以矮人女武神 CodexDelver 之名，在 Hardfought 服务器的终端里经 37,140 回合完成 ascension。
- NetHack 是最难的 roguelike 之一，测试的是「知道」与「做到」的差距：模型能完美解释抗性、物品管理和怪物交互，却常在地图信息过期、菜单打开时执行失败
- 作者 1 月的最优自建 harness 只到地下 10 层；他原以为需要精心手调界面与上下文，结果获胜 agent 是自己搭的 harness，作者一行代码没写
- 三次运行过程可查看服务器 dump；此前 BALROG benchmark 也系统研究过 LLM 在 NetHack 上的知识-执行落差
所属事件:GPT-6 Astra 三次尝试通关 NetHack，史上首个 LLM 升天记录(7 条相关)→
「编程与Agent」频道最新
- Explosion 发布 Ellf 目录：52 个 NLP 模板与多智能体标注工作流 — _inesmontani · 2026-11-11
- 梗图吐槽:所谓随机 AI Agent 架构就是换了马甲的马尔可夫链 — PrasoonPratham · 2026-11-11
- OpenCode 上线 Gemini 4 Carbon 与 Claude Fable 5.2 — dean_rie · 2026-11-11
- OpenClaw 发布 v2026.11.3 安全补丁，56 个 PR 修复凭证泄露 — dean_rie · 2026-11-11
- Fable 5.2 首日拿下编码 Agent 中 1/4 的 Claude 回复 — dean_rie · 2026-11-11
- QA 工程师想用 MCP Agent 自动验证归因回传，替代每两周半天的人工检查 — Soobhee_Chukwutosin · 2026-11-11