arXiv · AI· Yoshinari Fujinuma, Keisuke Kamahori, Ryuto Koike, Abdelrahman Madkour, Varun Prashant Gangal, Monty Bichouna, Martyna Markiewicz, Shivani Jain, Duncan Curtis, Rebecca Qian, Anand Kannappan·· 2026-10-07AI 评分33
SpeedrunBench:利用电子游戏速通挑战 LLM 智能体
SpeedrunBench: Challenging LLM Agents with Video Game Speedrunning
AI 导读
研究团队推出 SpeedrunBench,通过 9 款电子游戏测试 LLM 智能体形成策略的能力。实验显示前沿智能体在简单关卡接近人类纪录,但在复杂长时任务中仍落后于人类表现。该基准可作为抗饱和的评估手段,持续检验智能体超越既有人类解法的能力。
来源:arXiv · AI · arxiv.org