SpireBench：以《杀戮尖塔》评估 Agent 模型的长时程策略能力

英文标题：SpireBench: Evaluating Long-Horizon Strategic Play of Agentic Models with Slay the Spire

SpireBench 以游戏《杀戮尖塔》为场景，评估 Agent 模型的长时程策略能力。论文指出，现有 Agent 基准测试大多任务短、回合独立，对长时程战略推理的研究仍然不足。长任务中的表现也难以分解为模型储存的知识、推理等因素，这给开发者评估模型能力带来挑战。所提供的摘要在此处截断，未包含具体实验数据或结果。

2.1 KB 483 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB