MazeBench 细节:人类玩家需 50-100 小时才能拿 70% 以上
HamelHusain · x · 2026-11-17
Hamel Husain 在回复中补充 MazeBench 基准的细节:该基准测试开放世界探索、部分 3D 空间推理和中等长度规划;人类玩家可以拿到 70% 以上分数,但需要 50-100 小时,且都有推箱子类游戏(如 Baba is You)经验。他还提到编写求解器能提升分数(如启用 coding 的 GPT-5.6 Sol)。
所属事件:Fable 5.2 登顶 MazeBench 后陷评测污染疑云(9 条相关)→
「模型」频道最新
- Realtime-Bench:人类玩游戏胜率 72%,最强模型仅 32% — ManlingLi_ · 2026-11-20
- Goodfire 公开 Qwen3.6 全部 1000 万神经元的可搜索图谱,并开放数据 — fatihdin4en · 2026-11-20
- 用户抱怨:OpenAI Dots 仍未在欧洲上线 — mark_k · 2026-11-20
- 四个月内开源权重模型在 Databricks 托管 token 占比从 7.3% 升至 30.9% — AIFlow_ML · 2026-11-20
- Gemini 4 Neon 一句话生成涩谷霓虹跑酷游戏,谷歌小蓝人当主角 — rseroter · 2026-11-20
- 教授精心设计「AI 防不住」考题,模型照样考到 82 分 — alex_verem · 2026-11-20