Realtime-Bench：最强模型也只能可靠完成 36% 实时任务
EliasEskin · x · 2026-10-24
新基准 Realtime-Bench 聚焦实时交互任务——从打游戏到抢演唱会门票等需要实时思考与行动的场景，检验前沿模型能否应对实时交互问题。结果：表现最好的模型也只能可靠完成 36% 的任务，说明现有模型在低延迟实时决策上仍有巨大缺口。
所属事件:Realtime-Bench 发布：最强模型仅能可靠完成 36% 实时任务(2 条相关)→
「研究」频道最新
- EMNLP 2026 论文 HarmAmp：LLM 多轮对话如何放大危害，及主动干预监控器 TrajSafe — alan_ritter · 2026-10-24
- 追踪 2.7 万中国学生 30 个月：用 AI 写作业提分 18%，闭卷考试成绩反跌 20% — lmoroney · 2026-10-24
- 6K 参数检测器:HoliSafe 错误率最高降 92%,OOD 攻击归零 — shangbinfeng · 2026-10-24
- 无害图+无害问句也能组合出有害请求,现有防线全部失守 — shangbinfeng · 2026-10-24
- Fireworks 揭秘如何在 2.8T 参数 Kimi K3 上跑通强化学习训练 — sophiamyang · 2026-10-24
- 圣塔菲研究所 Eric Smith：别急着认定 AGI 是「活的生命」 — danfaggella · 2026-10-24