o3通关「俄罗斯方块」，碾压Gemini夺冠！UCSD新基准击碎宝可梦
UCSD等推出Lmgame Bench标准框架，结合多款经典游戏测试大模型能力。结果显示不同模型在各游戏中表现迥异，凸显游戏作为AI评估工具的独特价值。宝可梦成为顶级模型的试金石。
UCSD
异议！顶流AI决战「逆转裁判」：o1险胜Gemini 2.5登顶、Llama 4零分垫底
UCSD研究团队以经典游戏《逆转裁判》为舞台测试AI推理能力，结果显示o1和Gemini 2.5 Pro表现最佳；通过项目开源，更多经典游戏可用来测试AI模型性能。
被AI追杀，还要解谜逃生！UCSD等发布LLM测试神器，边玩游戏边评估
新智元报道
编辑：犀牛 好困
GameArena团队开发的《AI Space Escape》游戏通过紧张刺激的密室逃脱方式评估AI模型的推理能力，生成宝贵的游戏数据，并将所有数据公开供进一步研究。该游戏超越了传统的数学和编程基准测试方法。
质量超越o1，成本仅4%，UCSD张怡颖教授团队开源生成式AI工作流自动优化器
UCSD 张怡颖教授团队推出的 Cognify 是一款优化生成式 AI 工作流的工具，能够提高 48% 的生成质量并降低 90% 的成本。Cognify 提供了多种模型和提示词进行优化，目前支持 LangChain、DSPy 和基于 Python 的工作流。