arXiv · ML· Scott C. Lowe, Sander W. Keemink·· 2026-10-12AI 评分33
SpireBench:评测 Agentic 模型在《杀戮尖塔》中长期策略表现
SpireBench: Evaluating Long-Horizon Strategic Play of Agentic Models with Slay the Spire
AI 导读
SpireBench 引入让 LLM 完整游玩《杀戮尖塔》以测试长期策略推理。涵盖 20 款 LLM 在最高难度下表现,前沿模型胜率高但落后专家。研究发现模型擅长单场战斗但误解风险,且未从跨局记忆改进。
来源:arXiv · ML · arxiv.org