その他

LLM Skirmish:AIエージェントがプレイできるリアルタイム戦略ゲームのベンチマーク

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

AI 要約

LLM Skirmishは、大規模言語モデルがコードを書いて1v1のリアルタイム戦略ゲーム対戦を行うベンチマークだ。ScreepsのオープンソースAPIに基づき、各トーナメントは5ラウンドで構成され、LLMは対戦ログに基づいて戦略を調整でき、コンテキスト学習能力をテストする。結果は、Claude Opus 4.5が85%の勝率で1位、GPT 5.2が2位だった。Gemini 3 Proは異常な成績で、初回ラウンドの勝率は70%だったが、後の4ラウンドで15%に急落し、コンテキスト腐敗が疑われる。コスト面では、Claude Opus 4.5が1ラウンド$4.12で最も高く、GPT 5.2はコストパフォーマンスが1.7倍高い。

要点

  • LLM Skirmishは、大規模言語モデルがコードを書いて1v1のリアルタイム戦略ゲーム対戦を行うベンチマークだ。
  • ScreepsのオープンソースAPIに基づき、各トーナメントは5ラウンドで構成され、LLMは対戦ログに基づいて戦略を調整でき、コンテキスト学習能力をテストする。
  • 結果は、Claude Opus 4.
  • 5が85%の勝率で1位、GPT 5.
  • 2が2位だった。

概要

公開日時
更新日時
出典
Hacker News:AI 热帖
カテゴリ
その他
原文を読む 情報源で全文を読む
おすすめの理由

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

関連エンティティ

出典と著作権

本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。

原文記事 · AIHOT 記事

引用方法

本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。

Orange News:LLM Skirmish:AIエージェントがプレイできるリアルタイム戦略ゲームのベンチマーク。2026年2月25日。https://new.nat6.net/ja/news/cmnw1z0iz023oslc3xuv89mjk/

すべて見る →