arXiv · NLP· Junkai Zhou, Ziming Pan, Zhaoyi Zhang·· 5 小时前AI 评分31
GM League Arena：基于职业体育联赛管理的交互式长时程任务基准
GM League Arena: An Interactive Long-Horizon Task Benchmark Based on Professional Sports League Management
AI 导读
GM Bench基准通过模拟四个体育项目的跨赛季管理，评估LLM在资源约束下的长时程决策能力。 Claude Opus 5.5在29个LLM中排名首位；GPT-6 Astra与GPT-6.1 Sol兼顾竞技表现与高额现金储备。
来源：arXiv · NLP · arxiv.org