AI挑战《超级马力欧兄弟》,Claude系列领先,推理模型为何落败?

加利福尼亚大学圣地亚哥分校的Hao人工智能实验室最近进行了一项别开生面的研究,他们将AI技术引入了经典游戏《超级马力欧兄弟》中,以此作为测试AI性能的独特平台。研究结果显示,在这次测试中,Anthropic公司的Claude 3.7版本AI展现出了卓越的能力,紧随其后的是Claude 3.5版本。相比之下,谷歌的Gemini 1.5 Pro和OpenAI的GPT-4o则未能达到预期表现。

值得注意的是,这次实验所用的并非1985年原版《超级马力欧兄弟》,而是在一个模拟器中运行的游戏版本。Hao人工智能实验室研发的GamingAgent框架作为桥梁,连接了AI与游戏,使AI能够操控马力欧。GamingAgent不仅向AI发出如“避开附近障碍物或敌人”等基本指令,还提供了游戏内实时截图。AI则通过生成Python代码来指挥马力欧的行动。

据实验室介绍,这种游戏环境对AI模型提出了高要求,迫使它们学习如何规划复杂的操作并制定有效的游戏策略。一个有趣的发现是,像OpenAI的o1这样的推理模型,虽然在多数基准测试中表现出色,但在此次实验中却不如“非推理”模型。研究人员指出,推理模型在实时游戏中往往因决策时间过长而表现不佳。在《超级马力欧兄弟》这样的游戏中,时机至关重要,一秒钟的延误可能导致完全不同的结果。

游戏作为衡量AI性能的工具已有数十年历史,但一些专家对此提出了质疑。他们认为,与现实世界相比,游戏环境相对抽象且简单,为AI训练提供了理论上无限的数据。这种局限性可能使得游戏基准测试结果无法全面反映AI技术的真实水平。

一些引人注目的游戏基准测试结果引发了广泛的讨论,甚至引发了OpenAI研究科学家安德烈・卡帕西的“评估危机”言论。他在一篇帖子中表示,面对众多AI指标,他感到困惑,不知道应该关注哪些。他总结道,目前难以准确评估这些AI模型的真实能力。

尽管存在这些争议和挑战,但观看AI玩《超级马力欧兄弟》仍然是一种有趣的体验。这一研究不仅展示了AI技术的潜力,也引发了人们对AI性能评估和未来发展的深入思考。

也许你还喜欢

原神原素烘炉全面深度计谋,详细流程

《原神》作为一款备受欢迎的开放世界冒险游戏,自上线以来便以其丰富的游戏内容和独特

96 亚洲精华国产精华精华液:为肌肤

在当今的美容护肤领域,精华液已成为众多爱美人士的必备品。而 96 亚洲精华国产精华液,更

侍魂胧月传说深度解析,狂放不羁的伙

在《侍魂胧月传说》的世界里,每一位角色都承载着独特的命运与故事,而牙神幻

了不起的修仙模拟器新手修行全[奇

在浩瀚的修仙世界中,每一位踏入仙途的修士都怀揣着对长生不老的渴望与对天地奥秘的探索

美区 APP STORE 精品推荐:发现更多

在当今数字化的时代,手机应用已经成为我们生活中不可或缺的一部分。而美区 APP ST

了不起的修仙模拟器洞玄符作用及属

在《了不起的修仙模拟器》这款游戏中,洞玄符作为一种重要的符咒,对于玩家的修炼速度和整

水蜜桃 8848:甜美多汁的水果之王

在水果的缤纷世界里,有一种水果如璀璨明珠般闪耀,那便是水蜜桃 8848。它不仅仅

咔叽探险队全秘境详细掉落物品清单

《咔叽探险队》作为一款深受玩家喜爱的探险类游戏,以其丰富的秘境探险内容和多样的掉

性能之巅 trace :研究极致性能的奥

在当今数字化的时代,无论是复杂的企业系统、高流量的网站,还是智能手机上的应用程序,性能

天涯明月刀手游花的姿态奇遇全解析

在《天涯明月刀》手游这片浩瀚的武侠世界中,每一位玩家都是一位探索者,不断追寻着武学的