AI挑战《超级马力欧兄弟》,Claude系列领先,推理模型为何落败?

加利福尼亚大学圣地亚哥分校的Hao人工智能实验室最近进行了一项别开生面的研究,他们将AI技术引入了经典游戏《超级马力欧兄弟》中,以此作为测试AI性能的独特平台。研究结果显示,在这次测试中,Anthropic公司的Claude 3.7版本AI展现出了卓越的能力,紧随其后的是Claude 3.5版本。相比之下,谷歌的Gemini 1.5 Pro和OpenAI的GPT-4o则未能达到预期表现。

值得注意的是,这次实验所用的并非1985年原版《超级马力欧兄弟》,而是在一个模拟器中运行的游戏版本。Hao人工智能实验室研发的GamingAgent框架作为桥梁,连接了AI与游戏,使AI能够操控马力欧。GamingAgent不仅向AI发出如“避开附近障碍物或敌人”等基本指令,还提供了游戏内实时截图。AI则通过生成Python代码来指挥马力欧的行动。

据实验室介绍,这种游戏环境对AI模型提出了高要求,迫使它们学习如何规划复杂的操作并制定有效的游戏策略。一个有趣的发现是,像OpenAI的o1这样的推理模型,虽然在多数基准测试中表现出色,但在此次实验中却不如“非推理”模型。研究人员指出,推理模型在实时游戏中往往因决策时间过长而表现不佳。在《超级马力欧兄弟》这样的游戏中,时机至关重要,一秒钟的延误可能导致完全不同的结果。

游戏作为衡量AI性能的工具已有数十年历史,但一些专家对此提出了质疑。他们认为,与现实世界相比,游戏环境相对抽象且简单,为AI训练提供了理论上无限的数据。这种局限性可能使得游戏基准测试结果无法全面反映AI技术的真实水平。

一些引人注目的游戏基准测试结果引发了广泛的讨论,甚至引发了OpenAI研究科学家安德烈・卡帕西的“评估危机”言论。他在一篇帖子中表示,面对众多AI指标,他感到困惑,不知道应该关注哪些。他总结道,目前难以准确评估这些AI模型的真实能力。

尽管存在这些争议和挑战,但观看AI玩《超级马力欧兄弟》仍然是一种有趣的体验。这一研究不仅展示了AI技术的潜力,也引发了人们对AI性能评估和未来发展的深入思考。

也许你还喜欢

豆麻产久久精国品在线观看免费版最

豆麻产久久精国品在线观看免费版最新版资源正在引起越来越多网友的关注。

多人轮换机制在团队管理中的应用与

在现代企业或团队中,合理的人力资源调配和管理至关重要,尤

如何选择靠谱的成朲娱乐平台?揭秘“

在如今的互联网时代,寻找信息和资源变得更加容易,尤其是在娱乐和成

黑神话悟空游戏首发平台及其玩家体

《黑神话:悟空》是一款备受期待的国产游戏,它不仅展示了中国游戏开

美国A30重写:如何打造中文汉字长标

一、理解“美国A30重写”背景与目的在探讨如何打造中文

100款流氓软件app下载大全免费播放

在当今的互联网环境中,恶意软件和流氓软件的存在已经成为了我们日常

豆麻产久久精国品入口高清免费国语

在现代数字娱乐的时代,在线视频平台的流行已成为许多人日常生活的一部分

为什么越来越多的消费者选择【黄】

黄品汇作为一个致力于提供高品质商品的综合性平台,吸引了大量消费者

“14may18_XXXXXL56edu409歌曲”是

“14may18_XXXXXL56edu409歌曲”可能

开心丁月六香天气在线精品版v3.1.6

随着现代人对天气变化的关注,尤其是对于每天气象预报的需求逐渐增多