TextQuests: How Good are LLMs at Text-Based Video Games?

Hugging Face 介紹 TextQuests 基準測試，評估 LLM 在文字冒險遊戲中的推理、規劃與決策能力。

Hugging Face 發表全新基準測試「TextQuests」，旨在評估大型語言模型（LLM）在文字冒險遊戲（如 Zork）中的表現。這類遊戲要求模型具備強大的自然語言理解、常識推理、長期規劃與狀態追蹤能力。測試結果顯示，儘管現今 LLM 在傳統基準上表現優異，但在面對需要多步驟決策與試錯的文字遊戲時仍面臨極大挑戰。

摘要由 AI 整理,以原文為準。