热点事件持续更新
RealtimeBench实时评测基准与TORSI方法
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
2026年10月16日，arXiv cs.AI 一篇论文提出 RealtimeBench：在实时时钟下评估与训练 LLM 智能体，含 180 个任务、6 种游戏类型，游戏在模型推理期间持续运行。配对评估显示，游戏暂停时 GPT-6.1-sol 优于速度更快的 Jev，游戏持续运行时则落后于 Jev。配套的 TORSI 经两轮训练，把 Jev 的平均测试分从 13.51 提升到 24.19（0–100 进度分），六类游戏全部提升；其指令还能在免微调下提升另外三个模型。
AI 根据报道生成 · 2 小时前更新
最新进展10月16日 12:00
新论文提出 RealtimeBench 与 TORSI，TORSI 两轮训练将 Jev 平均分从 13.51 提至 24.19。报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv cs.AIRealtimeBench：在实时时钟下评估与训练 LLM 智能体
RealtimeBench 用 180 个任务、6 种游戏类型评估 LLM 智能体，且游戏在模型推理期间持续运行。配对评估显示，游戏暂停时 GPT-6.1-sol 优于更快的 Jev，游戏持续运行时则落后。配套的 TORSI 经两轮训练把 Jev 平均测试分从 13.51 提到 24.19（0–100 进度分），六类游戏全部提升，其指令还能在免微调下提升另外三个模型。
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。