跳到正文
arXiv 棋牌与经典游戏 AI 检索· Tidor-Vlad Pricope·· 24 天前AI 评分34

RetroChessBench:重建与证明国际象棋棋局历史的基准测试

RetroChessBench: A Benchmark for Reconstructing and Proving Chess Histories

AI 导读

RetroChessBench 发布,以 12 项任务考察模型能否重建国际象棋的合法对局历史、并区分出可能发生的事件与必然发生的事件。GPT 6 Astra High 在每项任务的两次试验中,无工具时 22/24 次未能给出要求的最终答案,启用代码执行后为 18/24,平均终端 RL 奖励分别为 14.75% 与 27.19%。

来源:arXiv 棋牌与经典游戏 AI 检索 · arxiv.org