Khác

LLM Skirmish: bài kiểm tra chuẩn trò chơi chiến lược thời gian thực cho AI agent

Tiêu đề gốc:Show HN: A real-time strategy game that AI agents can play

Tóm tắt AI

LLM Skirmish là bài kiểm tra chuẩn cho phép mô hình ngôn ngữ lớn đấu trận chiến lược thời gian thực 1v1 bằng cách viết mã. Dựa trên API mã nguồn mở Screeps, mỗi giải đấu gồm năm vòng, LLM có thể điều chỉnh chiến lược theo nhật ký đấu để kiểm tra năng lực học ngữ cảnh. Kết quả cho thấy Claude Opus 4.5 đứng đầu với tỷ lệ thắng 85%, GPT 5.2 tiếp theo. Gemini 3 Pro biểu hiện bất thường: vòng đầu thắng 70%, bốn vòng sau giảm mạnh còn 15%, nghi ngờ do ngữ cảnh bị thối rữa. Về chi phí, Claude Opus 4.5 đắt nhất $4.12 mỗi vòng, GPT 5.2 hiệu quả giá cao gấp 1,7 lần.

Thông tin chính

  • LLM Skirmish là bài kiểm tra chuẩn cho phép mô hình ngôn ngữ lớn đấu trận chiến lược thời gian…
  • Dựa trên API mã nguồn mở Screeps,mỗi giải đấu gồm năm vòng,LLM có thể điều chỉnh chiến lược theo…
  • Kết quả cho thấy Claude Opus 4.
  • 5 đứng đầu với tỷ lệ thắng 85%,GPT 5.
  • 2 tiếp theo.

Tóm tắt nhanh

Đăng lúc
Cập nhật lúc
Nguồn
Hacker News:AI 热帖
Danh mục
Khác
Đọc bản gốc Đọc toàn văn tại nguồn tin gốc
Lý do đề xuất

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

Thực thể liên quan

Nguồn và bản quyền

Bài viết này được tổng hợp dựa trên các tiêu đề chọn lọc và tóm tắt AI từ API công khai của AIHOT, đã ghi rõ nguồn và liên kết ngược; bản quyền nội dung gốc thuộc về cơ quan truyền thông và tác giả gốc, trang này không sao chép toàn văn.

Liên kết gốc · Mục AIHOT

Cách trích dẫn

Khi trích dẫn bài viết này, vui lòng giữ nguyên tiêu đề, ngày đăng và liên kết vĩnh viễn, đồng thời ghi rõ nguồn là Orange News.

Orange News: LLM Skirmish: bài kiểm tra chuẩn trò chơi chiến lược thời gian thực cho AI agent. 25 tháng 2 2026. https://new.nat6.net/vi/news/cmnw1z0iz023oslc3xuv89mjk/

Xem tất cả →