研究团队推出体育联赛长程决策评测基准GM Bench

1. 13:00
   arXiv 自然语言处理

   GM League Arena：基于职业体育联赛管理的交互式长程任务基准

   研究团队推出基于职业体育联赛管理的交互式长程决策基准 GM Bench，评估大语言模型（LLM）在资源约束与持续竞争下的管理能力。该基准包含 4 种运动模拟器并引入财务与市场机制；在 5 个 NBA 赛季测试中，Claude Opus 5.5 在 29 款 LLM 中位列第一，GPT-6 Astra 和 GPT-6.1 Sol 兼具出色竞技表现与更多现金储备。

Current heat 6·Comparable peak 10（Nov 4 14:00）·Comparable change, last 24 hours–

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.