每天听简报，了解最新科技、AI、软件资讯
一个名为微型人工智能竞技场的开源评测平台将主流大语言模型置于多回合对抗博弈中，为评估智能体自主决策能力开辟了全新维度。平台让各大厂商的旗舰模型在受限虚拟环境中展开策略交锋，实时追踪记录各模型的伤害输出、生存回合数与积分天梯排行。数据显示不同架构的模型在对抗风格上展现出显著分化，有些倾向于激进抢攻，有些则擅长防御周旋并在收局阶段寻找战机。讨论区分析指出，传统的静态基准测试早已面临大模型针对性刷分的问题，而这种将多智能体引入开放竞争环境的动态博弈，能更真实地检验模型在不确定局势下的长期规划与容错能力。
进度保存在本设备 · 登录同步