大模型下棋统一考场来了，分数没那么简单

又一个benchmark上线了，这次考的是语言模型的下棋能力。ChessBench做了一个时间线追踪，给各家模型在棋盘上的水平排座次。但我必须说清楚——"会下棋"和"懂棋"根本不是一回事。让大模型帮你走一步马是一回事，让它理解残局的深层结构是完全另一回事。这个测试的真正价值不在排行榜数字，而在于它逼着我们重新审视：当AI能在屏幕上摆出漂亮的走法时，我们对它能力的理解其实还很浅。

原文：A New Chess Benchmark for Language Models · 来源：Hacker News