找到走法并不等于赢得对局：面向 LLM Agent 闭环评估的 XiangqiBench
英文标题：Finding the Move Is Not Winning the Game: XiangqiBench for Closed-Loop Evaluation of LLM Agents
研究人员提出了针对中国象棋环境的可执行基准测试 XiangqiBench，专门用于评估大语言模型（LLM）智能体。静态评估往往仅在模型给出单步正确走法时便给予肯定，但真正的智能体必须在面对对手反击的动态过程中将策略贯彻到底并取得已验证的最终胜负结果。XiangqiBench 弥合了单步预测与长程博弈执行之间的鸿沟，为开发者和研究社区评估智能体的闭环交互、长程规划与对抗对抗能力提供了全新基准。
打开原文相关 4.8 · 机会 2
2.1 KB
612 B
380 B
9.1 KB
32.7 KB
22.8 KB
24.2 KB
34.7 KB
中文
找到走法并不等于赢得对局：面向 LLM Agent 闭环评估的 XiangqiBench
论文编号：arXiv:2610.02425v1
发布类型：最新公告（Announce Type: new）
摘要
静态评估往往只要语言模型指出正确的单步走法就给予积分，但在实际博弈中，智能体必须在对手持续回应的动态对抗下，贯彻执行整套策略直到达成已验证的胜负结局。为此，我们推出了 XiangqiBench——一个可执行的基准测试平台，旨在通过中国象棋（Xiangqi）环境量化并评估这种从「单步走法决策」到「闭环交互执行」的真实能力差距。
BibTeX 格式引用
bibtex @article{xiangqibench2026, title={Finding the Move Is Not Winning the Game: XiangqiBench for Closed-Loop Evaluation of LLM Agents}, author={arXiv:2610.02425v1}, journal={arXiv preprint arXiv:2610.02425}, year={2026} }
English / 原文
BibTeX formatted citation
×