標籤 Benchmark

研究者 Sophia Xu 公開 OpenTTD-Bench，讓語言模型代理在開源運輸遊戲裡即時經營運輸公司：三場平均規則程式 AAAHogEx 賺 1,780 萬美元、GPT-6 Astra 421 萬美元；五世代單挑從 37 分鐘棄局爬到 991 萬美元，仍輸手寫規則。回到官方研究頁拆解計分方式、慢時鐘對照與這場比較還不對稱的地方。