DECE：覆盖十款欧博游戏的LLM智能体统一竞技场

研究团队提出DECE竞技场，构建了一个覆盖10款欧博游戏、采用统一接口与评估协议的LLM智能体测试平台，旨在标准化跨游戏环境下的智能体能力评估。 主实验阶段共测试了9个模型与4种执行框架组成的12种配置，完成480场三人对局；结合后续补充研究，累计对局规模达1032场，以验证结果的稳健性与普适性。 研究发现各游戏的模型排名具有高度一致性，但同一模型在不同执行框架下的表现差异显著。此外，性能优势并不必然转化为token消耗或成本效率的提升，揭示了效能与成本间的复杂关系。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。