研究团队发布开源基准CivBench
热点事件持续更新
研究团队发布开源基准CivBench
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
研究团队发布开源基准CivBench，用于在《文明 6》游戏中评估LLM智能体基于MCP协议的长程工具调用能力。 该基准包含76个MCP工具，单局游戏可超过300轮对话，环境、场景日志及分析管道已开源。 研究通过23次试点运行发现，智能体在主动监控率和短期承诺执行率上表现不佳，RAG@10为48.2%-65.8%。
AI 根据报道生成 · 7 小时前更新
最新进展11月5日 13:00
CivBench：基于《文明 6》的长程 MCP 智能体开源基准报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv · AICivBench：基于《文明 6》的长程 MCP 智能体开源基准
研究团队发布开源基准 CivBench，用于在《文明 6》游戏中评估 LLM 智能体基于 MCP 协议的长程工具调用能力。 该基准包含 76 个 MCP 工具，单局游戏可超过 300 轮对话。研究通过 23 次试点运行发现，智能体在主动监控率和短期承诺执行率（RAG@10 为 48.2%-65.8%）上表现不佳。 CivBench 环境、场景日志及分析管道已开源发布。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 911月5日 15:00
- 近 24 小时变化
- –
02.557.510
15:0016:0017:0018:0019:0020:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。