Runescape 基准测试开讲：用 MMO 游戏实测 AI Agent 长任务能力
mariofilhoml · x · 2026-10-19
maxbittker 的 Runescape Bench 演讲视频已上传 YouTube，内容涵盖该基准的测试结果、评测 harness 的设计，以及作者在游戏中进行的「经济蜂群」实验——让多个 agent 在虚拟世界经济体中互动。转发者称这是理解 AI agent 在长任务中表现的高推荐视频，还勾起了小时候在 Ultima Online 等虚拟世界里自学编程（并被骗）的回忆。对 agent 长时程任务评测感兴趣的工程者值得一看。
「编程与Agent」频道最新
- 4 个 Gemini 4 Argon 智能体协作 27 小时击败 Minecraft 末影龙 — robertarail · 2026-10-19
- Hermes 官方 Agent 移动应用预告将推出,开发者翘首以待 — alexcovo_eth · 2026-10-19
- 实测 DeepSeek 4.1 flash 纯代码复刻 Opus 5.5 古希腊世界 — victormustar · 2026-10-19
- Stardock CEO 实测 agent 跑分：5 项任务仅过 2 项，专业级工作还不行 — draginol · 2026-10-19
- 网友用 Claude Opus 搭出开放世界游戏首个竖切片，草原村落画面曝光 — No_Criticism_2908 · 2026-10-19
- 开发者让玩家 vibe code 自己的游戏角色，开源分发 — trq212 · 2026-10-19