【BALROG：一个创新的基准测试框架，专门评估大语言模型(LL-20241122171848

爱可可-爱生活 · 微博 · AI · 2024-11-22 17:18

文章预览

2024-11-22 17:18 本条微博链接【BALROG：一个创新的基准测试框架，专门评估大语言模型(LLM)和视觉语言模型(VLM)在游戏环境中的智能Agent能力。支持本地部署和主流AI API集成，提供完整的评估工具集，可用于测试模型在长期交互任务中的推理表现】 'Benchmarking Agentic LLM and VLM Reasoning On Games' GitHub: github.com/balrog-ai/BALROG #AI基准测试# #LLM评估# #游戏AI# #强化学习# ………………………………

原文地址：访问原文地址
快照地址：访问文章快照
总结与预览地址：访问总结与预览

分享到微博

推荐文章

AI前线 · 团队“DeepSeek”化！字节 Seed Edge启动不足两月，冲刺AGI再发新作，训练成本再节省40%

20 小时前

量子位 · 稚晖君机器人“葡萄缝针”神技再现江湖，这次是人形的！骑自行车惊呆众人：又抽象又硬核

昨天

爱可可-爱生活 · 本文创新性地提出了自进化偏好优化框架 SPHERE，通过剪枝 M-20250311055121

昨天

黄建同学 · 有朋友说Trace也不错，还支持了Claude Sonnet 3-20250310134756

昨天

黄建同学 · Maxime Labonne与Huggingface和Ben B-20250309085235

3 天前

医药笔记 · 司美格鲁肽再造神话：慢性肾脏病死亡风险下降20%

9 月前

CPA原理笔记 · 25年CPA会计《逐句原理分析》—长期股权投资：学前必备知识点

2 月前

Carbon Research · 【直播回放】第15期炭碳研究国际论坛

2 月前

海伦融媒 · 御馨（海伦市）生物科技有限公司待遇优厚职等你来

3 周前