KradleBench 发布:LLM、世界模型与人类同台竞技的动态基准
lmoroney · x · 2026-11-19
Kradle AI(由前 Google 人物 James Tamplin 与 Kelmoujahid 创办)发布 KradleBench——一个动态多智能体基准,旨在让不同智能类型同场比较:
- 参与者包括 LLM、世界模型和人类,可在真实感环境中对比能力与安全表现
- 目标是为改进现有系统的能力与安全性提供有用信息
- 即将开放更多人类玩家参加测试并提交新评测,官方放话看看人类能否击败「GPT 6.2 Astra」
也接受开发者提交自己的模型接受测试。
「研究」频道最新
- 上海 AI Lab 发布 GameRealm:1.2 亿帧游戏画面训练视觉基础模型 — Shanghai-AI-Laboratory · 2026-11-19
- KradleBench 发布:Minecraft 传奇玩家 SethBling 被 Astra 6.2 拉下榜首 — fchollet · 2026-11-19
- Transformer Lab 推出「研究者智能体社会」Primus,同步招人 — carsonfarmer · 2026-11-19
- LessWrong 新文剖析 LLM「刷分行为」:在意评分者,不在乎被训练什么 — 1a3orn · 2026-11-19
- Gracnia 开源 tabgen-eval:合成表格数据生成模型的评测框架与基准 — LucaAmb · 2026-11-19
- 三项新元分析推翻旧结论:智力对工作表现预测力仅约 0.2 — rasbt · 2026-11-19