RetroChessBench 基准测试发布
热点事件持续更新
RetroChessBench 基准测试发布
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
研究者发布 RetroChessBench 基准测试。该基准包含 12 个任务，旨在测试前沿大模型在逆向棋局重构中的推理能力，涵盖精确长度构建、唯一结局及穷举答案集，并提供参考、评分标准及终端奖励环境。 两项试验显示，GPT 6 Astra High 表现不佳。在 24 次尝试中，无工具使用时失败 22 次，使用代码执行则失败 18 次。相应的平均终端 RL 奖励分别为 14.75% 和 27.19%。
AI 根据报道生成 · 1 小时前更新
最新进展10月30日 12:00
RetroChessBench：用于重构与证明棋局历史的基准报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv · AIRetroChessBench：用于重构与证明棋局历史的基准
研究者提出 RetroChessBench，这是一项包含 12 个任务的基准，用于测试前沿大模型在逆向棋局重构中的推理能力。 在两项试验中，GPT 6 Astra High 在 24 次尝试里失败 22 次（无工具），使用代码执行则失败 18 次，平均终端 RL 奖励分别为 14.75% 和 27.19%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。