北大三星论文:世界不等人,慢模型离线带教让快模型得分翻近倍
rohanpaul_ai · x · 2026-10-17
北京大学与三星的论文提出 RealtimeBench:180 个任务、六种游戏类型,在推理期间游戏世界持续运行而非暂停,评估智能体的实时决策能力。
关键发现:
- 暂停评测时更强的推理模型(GPT-6.1-sol)胜过更快的 Jev,但世界持续运行时反落后——正确但迟到的动作可能毫无价值,快慢之差决定胜负。
方法 TORSI(双时间尺度离线递归自我改进):慢「老师」模型在暂停状态下研究失败、测试修正,并写成可复用指令交给快「学生」模型;学生在实战中无需调用老师,验证分数决定是否采纳更新。
结果:两轮训练后 Jev 平均测试分从 13.51 升至 24.19(0-100 进度制),六类游戏全面提升;产出的指令还能在不重新调参的情况下提升另外三个模型的平均分数。论文指向「实时智能」方向:让强模型在持续变化的世界中依然有效。
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
- 开发者提议云地共享文件系统，打通 Agent 本地与云端工作流 — sytelus · 2026-10-17
- Go 团队为 gopls 引入交互式重构,并提议 LSP 协议支持多步对话 — rseroter · 2026-10-17
- 单视频 3D 重建进 Blender,生成式仿真工业安全场景 — RexDouglass · 2026-10-17
- Claude Code Desktop 新增 /btw 侧聊：分标签页不丢主线程 — daniel_mac8 · 2026-10-17
- AI 编码经济学拐点：每美元代码产出 7 个月暴跌 4 倍后首度回升 — AccBalanced · 2026-10-17
- 曾封禁 ChatGPT 的 Stack Overflow,如今靠 Agent 插件 signup 翻三倍 — DevDminGod · 2026-10-17