LOLPlay 基准:实时打英雄联盟,推理越多反而表现越差
Zhaojian Yu · hf · 2026-11-04
LOLPlay 是一个在原生《英雄联盟》中评测实时视觉 agent 的基准:36 个英雄专属任务,覆盖资源管理、对线、合作与目标;agent 通过截图与键鼠操作交互,自动化初始化加 82 个可执行子目标检查区分部分进展与完成。
324 次任务评测、三个模型、三档推理力度的主要结果:
- GPT-6 Astra 低/中推理力度下任务成功率 25.0%,子目标成功率最高 40.3%(中档);
- 高推理力度对任何模型都没有提升;
- 对 Astra,更长的请求会挤占交互轮次,说明额外推理在实时控制中有代价;轨迹还暴露子目标组合不完整、动作滞后于画面等问题。
「编程与Agent」频道最新
- 额度重置夜：Codex 恢复 100%，Claude 仅剩 10% — rudrank · 2026-11-04
- 自我改进软件不可避免：让应用读取自身信号并自动修复 — bibryam · 2026-11-04
- 攒 7 卡 132GB 显存本地推理机：EPYC 整合还是双平台？ — infectiousstupidity · 2026-11-04
- 50 人 12 国团队:创始人自称与 AI Agent 沟通多过与同事 — Scobleizer · 2026-11-04
- 极简 agent 框架 Pi 发布：四种模式可扩展，附音乐软件语音操控案例 — solyarisoftware · 2026-11-04
- Karpathy 拥抱 AI 引热议：坚持手写代码的开发者恐先被淘汰 — CtrlAltDwayne · 2026-11-04