Sokoban 推箱子评测：66 关基准让大模型玩经典解谜游戏

banteg · x · 2026-11-14

开发者 banteg 发布 Sokoban Eval，一个让大模型玩推箱子（Heroes of Sokoban）三部曲的谜题基准：66 个关卡分三部分（推拉换位、哥布林巨龙、魅惑与墙壁变形等新机制），模型每回合提交一步或整室计划，按键会在原版 PuzzleScript 游戏中回放，统计含推理与执行时间的成绩。目前每个模型有一次计分机会，前排模型（如 Fable 5.2）已引发社区讨论。基准还开放挑战：模型保持所有房间最短路线纪录，但更短解存在，人类玩家可挑战「打败模型」。