Epoch AI 发布 EBR-bench 人类基线：AI 在复杂长周期游戏中表现远不及人类

AI研究机构Epoch AI于2026年8月发布了长周期桌游基准EBR-bench的人类对照测试结果，揭示当前前沿大模型在长程策略规划与经验归纳能力上相较人类专家存在显著差距。

• 测试场景复杂度高：该基准选用战役式合作卡牌游戏《Earthborne Rangers》，其规则复杂、决策链条长且训练集未充分覆盖，能有效衡量模型在陌生环境中的即时探索与归纳能力。
• 经验泛化能力断层：测试显示人类玩家在经历5局游戏后即可通过经验总结与记笔记掌握核心策略，而所有受测前沿模型在累计30局尝试中均未能展现出随经验自适应学习的递进趋势。
• 暴露长程推理短板：模型在单步局部逻辑推理上表现良好，但在跨轮次全局目标管理、非确定性信息权衡和动态卡组构建等高维长程任务中容易出现决策退化。
• 影响/看点：这一评测结果意味着大模型在复杂现实工作流中的经验自适应学习仍面临算法瓶颈，突破该瓶颈需要探索超越现有短期上下文窗口的长时记忆机制。
• 资料依据：
• 1. Epoch AI 官方评测报告与基准发布（2026年8月）: https://epoch.ai
• 2. Epoch AI 社交平台官方推文（2026年8月）: https://x.com/EpochAIResearch/status/2093409333136789685

本内容由 AI 生成，仅供参考，请注意甄别