arXiv 自然语言处理· Junkai Zhou, Ziming Pan, Zhaoyi Zhang·· 12 小时前AI 评分44
GM League Arena：基于职业体育联赛管理的交互式长程任务基准
GM League Arena: An Interactive Long-Horizon Task Benchmark Based on Professional Sports League Management
AI 导读
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。
来源：arXiv 自然语言处理 · arxiv.org