北大三星 RealtimeBench:慢模型离线指导让快模型游戏分从13.51升至24.19
rohanpaul_ai · x · 2026-10-17
北京大学与三星的论文《The World Won't Wait》指出：游戏评测通常在世界暂停时进行，慢思考不付代价；但真实环境不会等模型。作者构建 RealtimeBench——6 类游戏(Mario、Snake、Tetris 等)共 180 个任务，推理期间世界持续运行。结果：暂停评测中 GPT-6.1-sol 在 6 局中赢 5 局，实时模式下却只拿 1.51 分，远低于更快的 Jev 的 13.51(满分 100)。
TORSI 方法：让慢模型在游戏间隔离线研究快模型的失败，写出可复用指令供快模型实时执行。两轮迭代后 Jev 平均分从 13.51 升至 24.19，六类游戏全部提升，且指令还能让另外三个模型零训练提分。
对实时 agent 的启示：快模型留在主循环，慢模型离线负责写指令、做测试。
所属事件:北大三星 RealtimeBench：世界不暂停评测智能体实时决策(2 条相关)→
「编程与Agent」频道最新
- 一个 cron 任务让 Claude 自主破解密码难题并推进 1932 年数论猜想 — IgorCarron · 2026-10-17
- AI 加持下一人一周完成后端 Python 迁移 Go — rakyll · 2026-10-17
- 音频创业者用 Claude 3 小时反编译竞品获奖算法,感叹硬件护城河消失 — ChrisGPT · 2026-10-17
- Google 发布 Agent 评测实操指南：四层检查替代 vibe check — rseroter · 2026-10-17
- AgentForesight:7B 在线审计员实时拦截多智能体失误 — jiqizhixin · 2026-10-17
- Qwen3.8 网络搜索前反复写删 /tmp 文件，用户求助怪癖成因 — Training-Respect8066 · 2026-10-17