Benchmarks mới: "StarCraft: Brood War Benchmark" Mỗi khi một mô hình frontier được ra mắt, các YouTuber thường tải lên nội dung về nó, và có lẽ một số bạn đã từng xem qua. Đây là benchmark đánh giá hiệu suất chơi StarCraft của các mô hình AI, và tất cả các mô hình được thử nghiệm đều không vượt qua được trình độ người mới bắt đầu. Mỗi mô hình còn thể hiện phong cách chơi riêng biệt: CodeLlama thiên về lối chơi linh hoạt, thủ đoạn hơn là chuẩn mực; Claude theo phong cách chuẩn mực; còn Grok thì chỉ đơn giản là dừng lại giữa chừng trong lúc chơi. Các trận đấu được tổ chức theo hình thức vòng tròn với mọi tổ hợp mô hình và thiết lập suy luận. Chi tiết hơn, vui lòng tham khảo báo cáo gốc. 🥹 Bảng xếp hạng 1. Astra (xhigh) – 18 thắng, 0 thua 2. Astra (medium) – 16 thắng, 2 thua 3. Fable – 15 thắng, 3 thua 4. Astra (low) – 14 thắng, 4 thua 5. Sol (medium) – 13 thắng, 5 thua ...