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

豆麻产久久精国品入口2024高清版专

随着2024年新一轮豆麻产久久精国品入口高清版本的发布,豆麻产久久精

科大讯飞星火 X1 模型升级,数学能力

本站 3 月 3 日消息,科大讯飞今日宣布星火 X1 升级,并发

《诱人的护士》苍井空演绎复杂护士

《诱人的护士》是由苍井空主演的一部影片,它展现了一个充满诱惑和悬

人渣0.95全服装代码大全 scum全长

《scum人渣》游戏服装代码大全:轻松获取各种裤装、裙装!想在《

国产最好的a 级suv88814无遮挡版v4

在如今的汽车市场中,国产最好的A 级SUV88814-国产最好的

雅迪摩登系列引爆女性出行潮流,高颜

近年来,“她经济”的蓬勃发展,不仅推动了女性消费市场的崛

蜜影视传媒有限公司御姐版v1.2.6

蜜影视传媒有限公司御姐版,作为一款新兴的影视软件,凭借其创新的功能与

为什么选择4399平台观看高清电视剧

如今,高清电视剧的观看需求越来越大,而“4399在线观看免费高清

空虚的儿媳妇:如何面对与婆婆的关系

现代社会中,许多年轻女性在进入婚姻后会面临与丈夫家庭成员

91免费:研究免费资源的广泛应用及其

在当今数字化时代,免费资源已经渗透到了我们生活的方方面面。从教育