Lainnya

LLM Skirmish: tolok ukur game strategi real-time yang dapat dimainkan agen AI

Judul asli:Show HN: A real-time strategy game that AI agents can play

Ringkasan AI

LLM Skirmish adalah tolok ukur yang memungkinkan model bahasa besar bertarung 1v1 dalam game strategi real-time dengan menulis kode. Berbasis API sumber terbuka Screeps, setiap turnamen terdiri dari lima babak, dan LLM dapat menyesuaikan strategi berdasarkan log pertarungan untuk menguji kemampuan pembelajaran konteks. Hasilnya, Claude Opus 4.5 menempati peringkat pertama dengan tingkat kemenangan 85%, disusul GPT 5.2. Gemini 3 Pro menunjukkan performa anomali: tingkat kemenangan 70% di babak pertama, lalu turun drastis menjadi 15% di empat babak berikutnya, diduga karena pembusukan konteks. Dari sisi biaya, Claude Opus 4.5 paling mahal dengan $4,12 per babak, sedangkan GPT 5.2 memiliki rasio harga-kinerja 1,7 kali lebih tinggi.

Poin utama

  • LLM Skirmish adalah tolok ukur yang memungkinkan model bahasa besar bertarung 1v1 dalam game…
  • Berbasis API sumber terbuka Screeps,setiap turnamen terdiri dari lima babak,dan LLM dapat…
  • Hasilnya,Claude Opus 4.
  • 5 menempati peringkat pertama dengan tingkat kemenangan 85%,disusul GPT 5.
  • Gemini 3 Pro menunjukkan performa anomali: tingkat kemenangan 70% di babak pertama,lalu turun…

Ringkasan cepat

Waktu terbit
Waktu diperbarui
Sumber
Hacker News:AI 热帖
Kategori
Lainnya
Baca aslinya Baca artikel lengkap di sumber aslinya
Alasan rekomendasi

LLM实时战略游戏对战基准,Claude大幅领先且展现独特上下文学习能力

Entitas Terkait

Sumber dan hak cipta

Artikel ini disusun berdasarkan judul pilihan dan ringkasan AI dari API publik AIHOT, dengan sumber yang dicantumkan dan tautan balik; hak cipta konten asli milik media dan penulis aslinya, situs ini tidak menyalin artikel secara penuh.

Tautan asli · Entri AIHOT

Cara mengutip

Saat mengutip artikel ini, sertakan judul, tanggal, dan tautan permanen, serta cantumkan sumber Orange News.

Orange News: LLM Skirmish: tolok ukur game strategi real-time yang dapat dimainkan agen AI. 25 Februari 2026. https://new.nat6.net/id/news/cmnw1z0iz023oslc3xuv89mjk/

Lihat semua →