.png)
3月22日消息，一名名叫阿迪·辛格的外国高三学生创建了AI评测网站MC-Bench，利用微软沙盒游戏《我的世界》作为测试平台。该网站通过让不同AI基于相同提示生成建筑作品，并由用户投票选出更优秀的作品，以此评估AI能力。辛格表示，《我的世界》因其广为人知的风格和视觉效果，能够直观展示AI进步。目前，Anthropic、谷歌、OpenAI和阿里巴巴为该项目提供AI计算资源支持。尽管测试仍较基础，主要观察GPT-3以来AI的进步，但未来可能扩展至更复杂任务。MC-Bench采用编程基准测试方式，AI需编写代码生成作品，而用户更倾向于通过最终成果评判表现。辛格认为，这些数据对AI开发者具有重要参考价值，尽管其是否能完全反映实际应用价值尚存争议。
原文链接
本文链接：https://kx.umi6.com/article/15948.html
转载请注明文章出处
分享至
打开微信扫一扫
内容投诉
生成图片
.png "15948")
相关推荐
.png)
换一换
谷歌发布 FACTS Grounding 基准：Gemini、GPT-4o、Claude 当评委，成 AI 大语言模型“幻觉照妖镜”
2024-12-18 14:32:52
首发全面搭载鸿蒙5！华为Pura X斩获中国电信AI社交、AI学习评测双第一
2025-05-18 10:19:18
Geekbench AI 性能跑分工具 1.0 发布，支持 PC 手机全平台
2024-08-16 10:43:57
AI“推理”模型兴起，基准测试成本飙升
2025-04-13 10:34:23
具身智能领域首个行业标准正式发布
2026-03-26 22:25:30
把 AI 放进《我的世界》服务器：GPT-4o 杀牛宰羊，Claude3.5 把家拆了
2024-10-21 13:29:28
OpenAI o3 模型遭质疑？第三方实测分数远低于自测成绩
2025-04-21 09:34:53
GPT-4o不敌Qwen，无一模型及格！UC伯克利港大等提出多模态新基准
2025-05-16 13:37:28
仅仅一天，Gemini就夺回了GPT-4o拿走的头名
2024-11-22 17:08:30
基准测试揭秘大模型“字数危机”：26个模型长文本生成普遍拉胯，最大输出长度过度宣传
2025-05-29 15:34:10
LLM总是把简单任务复杂化，Karpathy无语：有些任务无需那么多思考
2025-08-12 11:21:24
“智能体最后的考试”，Fable 5竟然不敌GPT 5.5
2026-06-12 12:30:03
OpenAI o3 模型基准测试成绩遭质疑，实测分数远不及宣称
2025-04-21 08:32:30
840 文章
1134488 浏览
24小时热文
更多
-
2026-10-22 20:06:59 -
2026-10-22 19:04:34
-
2026-10-22 17:58:12
