TL;DR - StarSkirmish является контрольным пунктом, где МЛМ пишут боты для StarCraft: Brood War - Каждый ЛLM получает один час написать протосс-бот в C++, который затем оценивается по другим ботам LMM и установившимся человеческим письменным ботам - СтарСкирмиш тесты долго горизонтальных рассуждений и агентического кодирования, так как МLM должны включать уроки из практических игр с целью усовершенствования их Starcraft bot StardSkirmish Spice v0.2 The StarSCirmish Скамейка оценивает насколько сильным может быть со стороны Звездного плотного бота каждый LLM за 1 час времени настенных часов. V02 обновляет Star Skirmish Sperv v0.1 с флагманскими моделями OpenAI, Anthропic, Gogle and Meta, каждая из которых работает в своем первом комплекте CLI. Оценочный балл LLMDS отражает его победу по сравнению с реестром конкурентоспособных человеческих письменных ботов и демобосов. StarSkirmish Scelb v0.2 1 час пробежек, в своем 1-м партийном жгуте CLI. Счёты - средние ставки побед (0—100) из 5 прогонов каждой модели в списке конкурентоспособных человеческих письменных ботов. Gemini 4 Argon работает на высоком уровне, самая большая из имеющихся у него логичных усилий; каждая другая модель работает на макс. GPT-6 Astra — лучший балл StarSkirmish Scel v0.2 LLM, шаг впереди GBT-6.1 Сола в секунду. Gemini 4 Argon, Clod Opus 5.5 и Kload Fable 5.1 функционально связаны между собой, все победили от 37 до 39. Скамейка СтарСкирмиша против "Звёздный сквер". Стоимостной балл StarSkirmish Claim по…
Показать HN: Gemini 4 Argon играет StarCraft
Я освежил Skirmish Claim, ориентир, в котором LMS играют StarCraft BW посредством кода, с результатами флагманских моделей OpenAI, Anthropic, Google и Muse Compendations URL: https://news.ycombinator.com/item?id=50118688 Points: 60 # Комментарии: 42
