格斗游戏

大模型实时打《街霸》捉对 PK：GPT-4 不敌 3.5，新型 Benchmark 火了

让大模型直接操纵格斗游戏《街霸》里的角色，捉对 PK，谁更能打？GitHub 上一种你没有见过的船新 Benchmark 火了。与 llmsys 大模型竞技场中，两个大模型分别输出答案，再由人类评分不同 —— 街霸 Bench 引入了两个 AI 之间的交互，且由游戏引擎中确定的规则评判胜负。这种新玩法吸引了不少网友来围观。由于项目是在 Mistral 举办的黑客马拉松活动上开发，所以开发者只使用 OpenAI 和 Mistral 系列模型进行了测试。排名结果也很出人意料。经过 342 场对战后，根据棋类、电竞常用的

4/1/2024 1:48:57 PM

汪淼

资讯热榜

首个面向肽分子设计的大模型平台：直接「读序列」出结合子，无需结构输入即可生成深度揭秘OpenAI如何让GPT-5「技术性」超越Claude：悄悄跳过最难的23道题 OpenAI豪赌5000亿美元估值神话：60亿股权大甩卖背后，GPT-5却遭用户冷遇蚂蚁集团携手北医三院成立AI医疗联合实验室打造专属AI就医助理国产AI路由系统开源逆袭！仅用19%成本达到Gemini-2.5-Pro同等性能网易有道发布子曰教育大模型多款AI新品，定义教育AI应用能力L1-L5分级摩根士丹利：AI 革命将为标准普尔 500 指数企业每年节省近 1 万亿美元心理学家警告:与 AI 聊天可能导致严重心理健康问题

标签云

AI 人工智能 OpenAI AIGC 模型 ChatGPT DeepSeek AI绘画谷歌机器人数据大模型 Midjourney 开源智能用户 Meta 微软 GPT 学习技术图像 Gemini 马斯克 AI创作智能体英伟达论文 Anthropic 代码训练算法 Stable Diffusion AI新词芯片 LLM 蛋白质腾讯开发者苹果生成式 Claude Agent AI for Science 神经网络 3D 机器学习研究生成 xAI 人形机器人 AI视频计算 Sora 百度 GPU AI设计华为工具大语言模型搜索 RAG 具身智能字节跳动大型语言模型场景深度学习预测伟达视频生成视觉 Transformer AGI 架构亚马逊神器推荐 Copilot DeepMind 特斯拉应用