热点事件持续更新
SpireBench：智能体长时程策略评测基准
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月12日，arXiv cs.AI 刊出 SpireBench，提出用最高难度下的完整商业卡牌构筑游戏《杀戮尖塔》来评测大语言模型的长期策略博弈能力，共测试 20 个大语言模型。结果显示，前沿模型能击败启发式基线、追平普通人类玩家，但远落后于专家水平；流程越长差距越大，模型间的强弱之分主要体现在每场战斗的处理上，且所有模型都误判长程风险，倾向于保血而非以血换成长。此外，把全部游戏术语重命名后，模型表现部分依赖先验知识；模型也无法从跨局记忆中取得提升。
AI 根据报道生成 · 1 小时前更新
最新进展10月12日 12:00
SpireBench 以《杀戮尖塔》评测 20 个模型：前沿模型追平普通玩家、远逊专家，且无法跨局学习。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.AISpireBench：用《杀戮尖塔》评测智能体模型的长期策略博弈
SpireBench 以最高难度下的完整商业卡牌构筑游戏《杀戮尖塔》评测 20 个大语言模型，前沿模型击败启发式基线、追平普通人类玩家，但远落后于专家。流程越长差距越大，强弱之分在于每场战斗的处理，所有模型都误判长程风险，倾向保血而非以血换成长。全部游戏术语重命名后其表现部分依赖先验知识，模型也无法从跨局记忆中获得提升。
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。