Prime Intellect 发布 Maze Bench:最强 LLM 无工具准确率仅 16%
patience_cave · x · 2026-11-20
Prime Intellect 推出 Maze Bench,一个高复杂度 3D 迷宫解谜环境。当前最强的 LLM 在不使用编码工具时准确率最高只有 16%,配合编码工具也仅提升到 23%,远低于人类水平。作者认为该环境是检验持续学习(continual learning)能力的良好测试床,可作为智能体在长程探索与空间推理上的训练与评估基准。
「研究」频道最新
- Beaker 自动审查五大热门 AI 基准,发现 100 多处评分错误 — VictorSanh · 2026-11-20
- 斯坦福等团队发布综述:深度学习如何建模跨细胞状态的基因调控 — anshulkundaje · 2026-11-20
- GPT-6-Astra 裸测翻车:12 项具身基准 11 项远低于公布成绩 — wzenus · 2026-11-20
- Cornell 数学家谈「Big Math」:算法决定贷款与offer,人类已无法理解 — stevenstrogatz · 2026-11-20
- 开发者称破解 JEPA:模型小 30 倍、预测快 100 倍,3080 半小时训成 — MarcJSchmidt · 2026-11-20
- 精确还原现实拍摄的 3D 坐标,解锁变化检测、AR/VR 与机器人应用 — bilawalsidhu · 2026-11-20