主流大模型挑战最高难度《杀戮尖塔》，全都死于太过稳健……

📋总体概括

加拿大Vector研究所与荷兰Radboud大学研究团队在arXiv发布论文《SpireBench》，用知名肉鸽卡牌游戏《杀戮尖塔》作为评测环境，测试主流大模型智能体的长期战略规划能力。结果显示各模型在最高难度下表现不佳，普遍因为打法过于稳健保守而失败，暴露出AI在长期决策、资源权衡上的短板，为智能体能力评测提供了游戏化新基准。