热点事件持续更新
研究团队推出体育联赛长程决策评测基准GM Bench
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
2026年11月4日，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，用于评估大语言模型在资源约束与持续竞争环境下的管理与决策能力。该基准包含4种运动模拟器，并引入了财务与市场机制。在包含5个NBA赛季的测试中，研究团队评估了29款大语言模型，结果显示Claude Opus 5.5排名第一，GPT-6 Astra和GPT-6.1 Sol则在展现出色竞技表现的同时保留了更多现金储备。
AI 根据报道生成 · 9 小时前更新
最新进展11月4日 13:00
研究团队推出体育管理基准GM Bench，5个NBA赛季测试中Claude Opus 5.5位列第一。报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- 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。
本事件热度走势
当前热度 8·可比范围峰值 10（11月4日 14:00）·近 24 小时可比范围变化–
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。