#TextArena

4:01AI科研传播指数 31

多智能体基准 TextArena 上线：用 57 款文字游戏测大模型「心机」

评测基准 TextArena 论文上线 arXiv。它包含 57 款以上的竞技类文本游戏，专门测试大模型在谈判、欺骗和心智理论等场景下的智能体表现。系统支持实时 TrueSkill 评分、多人对抗以及人机互搏，为检验模型的多轮规划能力提供了新竞技场。