上周五，加利福尼亚大学圣地亚哥分校的Hao人工智能实验室展开了一项令人瞩目的研究，旨在将人工智能引入经典游戏《超级马力欧兄弟》，以测试不同AI模型的表现。这项实验中，最为出色的AI模型是Anthropic的Claude 3.7，紧随其后的是Claude 3.5。而谷歌的Gemini 1.5 Pro和OpenAI的GPT-4o则相对逊色。

值得一提的是，研究所使用的并非1985年首次推出的《超级马力欧兄弟》。这款游戏在一个模拟器上运行，AI通过名为GamingAgent的框架与之互动，从而能够操控马力欧。GamingAgent是由Hao人工智能实验室自主研发的，它向AI提供基本的指令，比如“若周围有障碍物或敌人，需向左移动或跳跃以避开”，并还会提供游戏内的实时截图。之后，AI利用生成的Python代码来控制马力欧的动作。

根据实验室的解释，这个游戏环境要求 AI 模型学习如何制定复杂操作和策略。令人感到惊讶的是，像OpenAI的o1这样的推理模型表现不如那些“非推理”的模型。尽管在大多数基础测试中推理模型通常更为强劲，但在实时游戏环境中，它们却面临劣势。研究人员指出，这主要是因为推理模型在决定行动时需要几秒钟的时间，而在《超级马力欧兄弟》中，即便是短短一秒钟的延迟，可能就会导致安全通过和跌入深渊之间的巨大差异。

多年来，游戏一直被视为评估AI性能的重要工具。但一些专家对此表示质疑，他们认为将AI在游戏中的表现直接与技术进步关联并不科学。与复杂的现实世界相比，游戏本身往往是较为简单且抽象的，同时可以为AI训练提供理论上无限的数据。

IT之家注意到，最近一些引人注目的游戏基准测试结果引发了OpenAI研究科学家、创始成员安德烈·卡帕西的“评估危机”。他在X平台上分享了自己的困惑：“我实在搞不清楚现在应该关注哪些AI指标。”他总结说：“我的感觉是，我对这些模型的真实表现感到无从判断。”这一切让人对AI的发展和评估标准产生了深思。

电竞免费观看_电竞高清在线