itfan123让AI打《文明VI》，才暴露出多智能体的真问题
原创
你见过一个AI在《文明VI》里连续玩几百回合不崩盘吗？大多数"能聊天会执行"的Agent，一旦拉长到几十步决策链，就开始幻觉、遗忘、工具调用失灵。CivBench把这个痛点摊开了——用真实游戏环境测试长程工具中介Agent的能力边界。我的判断是：当前大多数Agent框架根本扛不住这种长程考验，所谓"端到端智能"在游戏级复杂度面前不堪一击。这篇论文真正有价值的不是分数本身，而是它定义了一个目前工业界严重缺失的评测维度。
原文：CivBench: A Long-Horizon Benchmark for Tool-Mediated Agents in Civilization VI · 来源：Hacker News
版权声明
所有资源都来源于爬虫采集,如有侵权请联系我们,我们将立即删除
相关文章
-
【IT 早报】2026年10月25日 - 本周要闻与趋势
-
Tailscale 漏洞报告遭质疑：真实威胁还是 AI 垃圾？
-
Over $1.4B has been traded on prediction markets for the 2026 midterms
-
AI大模型的投票倾向研究：Grok选共和党92%，GPT选民主党97%，二者一致性不到10%
-
An animated explainer of the PHP2SHell vulnerability [video]
![An animated explainer of the PHP2SHell vulnerability [video]](https://www.itfans123.com/zb_users/theme/yd1125free/include/random/3.jpg)
-
Sound of a guitar string cooling down on a piezo contact mic [video]
![Sound of a guitar string cooling down on a piezo contact mic [video]](https://www.itfans123.com/zb_users/theme/yd1125free/include/random/9.jpg)
-
How to fix your life in 1 day
-
Ming dynasty statue unearthed in WA returns to China
-
Google has officially turned these Nest thermostats back into dumb thermostats
-
Show HN: Omni Verify, my AI agent can't post until Kane checks every promise
