TIS 100基准测试

科技人工智能

Wincon发布TIS-100 Bench:顶级LLM打破游戏编程社区记录

Wincon研究团队推出了名为TIS-100 Bench的新基准测试,旨在评估16个大语言模型(LLMs)在Zachtronics游戏《TIS-100》中的编程能力 。该测试涵盖47个游戏内置谜题和8个社区锦标赛谜题,共计55题,并采用pass@1单次尝试机制进行考核 。结果显示,Opus 5.5和GPT-6 Ast…