Preference Model发布Slay the Spire推理基准

发生了什么

据Preference Model技术动态报道，该机构发布基于游戏《Slay the Spire》的基准测试，用于评估AI长程推理能力。测试让11个前沿模型在5个游戏场景、每种3个推理努力级别下进行10次运行。基准使用Karotte框架构建，通过ModTheSpire和MCPTheSpire暴露游戏状态，以最终得分衡量模型表现。