Компьютерные науки > Искусственный интеллект [представлен 10 октября 2025 года (v1), последний пересмотренный вариант 16 сентября 2026 года (эта версия, v2)) Название: LM Fight Arena: Контроль за крупными мультимодальными моделями с помощью Game Compact View PDF HTML (экспериментальный) резюме: Существующие контрольные показатели для крупных смешанных моделей (МММ) часто не отражают их результативность в режиме реального времени и состязательности. Мы представляем LM Fight Arena (Большую модель боевой Арены), новую систему, которая оценивает ЛММ друг против друга в классической боевой игре Mortal Kombat II — задача, требующая быстрого визуального понимания и тактического принятия решений. В контролируемом турнире мы проверяем шесть ведущих моделей с открытыми и закрытыми источниками, где каждый агент контролирует один и тот же характер для обеспечения справедливого сопоставления. Модели стимулируют интерпретацию игровых рам и данных о состоянии для выбора их следующих действий. В отличие от статических оценок, LM Fight Arena обеспечивает полностью автоматизированную, воспроизводимую и объективную оценку стратегических логических возможностей ЛММ в динамических условиях. Эта работа представляет собой сложную и активную точку отсчета, которая устраняет разрыв между оценкой ИИ и интерактивными развлекательными мероприятиями. История представления с: Yusuo Jeng [видение электронной почты] [v1] Fri, 10 октября 2025 года 02:19:21 UTC (4 368 KB) [ v2] Wed, 16 Sep 2026 11:53:50 UTK…
LM Fight Arena: Контроль за крупными мультимодальными моделями через конкурс игр
arXiv: 2510,08928v2 Annuales Type: заменить резюме: существующие контрольные показатели для крупных мультимодальных моделей (ММЖП) часто не отражают их эффективность в режиме реального времени и состязательности. Мы представляем LM Fight Arena (Большую модель боевой Арены), новую систему, которая оценивает ЛММ друг против друга в классической боевой игре Mortal Kombat II — задача, требующая быстрого визуального понимания и тактического принятия решений. В контролируемом турнире мы проверяем шесть ведущих моделей с открытыми и закрытыми источниками, где каждый агент контролирует один и тот же характер для обеспечения справедливого сопоставления. Модели стимулируют интерпретацию игровых рам и данных о состоянии для выбора их следующих действий. В отличие от статических оценок, LM Fight Arena обеспечивает полностью автоматизированную, воспроизводимую и объективную оценку стратегических логических возможностей ЛММ в динамических условиях. Эта работа создает сложную и активную основу, которая позволяет ликвидировать разрыв между оценкой ИИ и интерактивной оценкой.