多智慧體基準 TextArena 上線：用 57 款文字遊戲測大模型「心機」
評測基準 TextArena 論文上線 arXiv。它包含 57 款以上的競技類文本遊戲，專門測試大模型在談判、欺騙和心智理論等場景下的智慧體表現。系統支援即時 TrueSkill 評分、多人對抗以及人機互搏，為檢驗模型的多輪規劃能力提供了新競技場。
評測基準 TextArena 論文上線 arXiv。它包含 57 款以上的競技類文本遊戲，專門測試大模型在談判、欺騙和心智理論等場景下的智慧體表現。系統支援即時 TrueSkill 評分、多人對抗以及人機互搏，為檢驗模型的多輪規劃能力提供了新競技場。