您的位置 : 资讯 > 软件教程 > 大模型玩游戏,Deepseek-R1-0528 太强了

大模型玩游戏,Deepseek-R1-0528 太强了

来源:菜鸟下载 | 更新时间:2025-07-02

图片大家好,我是 ai 学习的老章看到一个很有意思的测试让不同的大模型玩俄罗斯方块、推箱子、

大模型玩游戏,Deepseek-R1-0528 太强了图片

大家好,我是 ai 学习的老章

看到一个很有意思的测试

让不同的大模型玩俄罗斯方块、推箱子、糖果粉碎传奇,对战结果有点出乎预料

大模型玩游戏,Deepseek-R1-0528 太强了https://x.com/haoailab/status/1929997363407708646

https://x.com/haoailab/status/1929997363407708646

Deepseek-R1-0528 在多个游戏中智胜 o4-mini 等强推理模型,在俄罗斯方块上几乎达到 SOTA 水平,与 o3 打得难分高下。 ✨ ?

,时长00:26

大模型玩游戏,Deepseek-R1-0528 太强了图片

Deepseek-R1-0528 在非视觉类游戏中带来显著提升,包括推箱子和俄罗斯方块等长线游戏中的分数都倍了! ?

Qwen3-235B-A22B 作为极具竞争力的开源模型崭露头角,在《糖果粉碎传奇》等空间推理游戏中超越了 Gemini-2.5-flash-preview-0417

,时长00:48

大模型玩游戏,Deepseek-R1-0528 太强了图片

? Deepseek-R1-0528 不仅在俄罗斯方块所向披靡,在需要强大空间推理能力的糖果粉碎传奇中也正逼近 SOTA 水平。

它以三轮平均 491.7 分的成绩(对比 o3 模型647.0 分),成为目前最接近顶级水平的开源竞争者。

Qwen3-235B-A22B 以稳健的 363.3 分紧随其后。 

,时长00:27

大模型玩游戏,Deepseek-R1-0528 太强了Obsidian 2025-06-04 22.06.30.png

Obsidian 2025-06-04 22.06.30.png

很好奇

这个测试是怎么实现的呢?

其实是基于这个项目:https://github.com/lmgame-org/GamingAgent

这是一个在标准化交互式游戏环境中启用和测试基于大型语言模型(LLM)和视觉语言模型(VLM)的智能体。

大模型玩游戏,Deepseek-R1-0528 太强了图片

主要功能:

模型评估(基础模式): 在一系列多样化的视频游戏中评估当前最先进的模型(LLM/VLM),这种评估在没有特定游戏控制框架(gaming harness)的“单一模型 VLM 设置”下进行。智能体部署与评估(定制化流程): 使用项目定制的 GamingAgent 工作流程(即游戏控制框架)来部署和评估模型,目的是提升模型在游戏中的表现。PC 端游戏智能体: 用于部署可以在个人电脑和笔记本上运行的计算机使用智能体(Computer-Use Agents, CUAs)。
大模型玩游戏,Deepseek-R1-0528 太强了图片

项目还推出了 Lmgame Bench,这是一个用于游戏智能体的基准测试平台,可以查看各个模型在游戏任务上的表现。

该项目支持多种主流 AI 模型的 API,包括:

OpenAI (gpt-4o, gpt-4o-mini 等)Anthropic (claude-3.5-sonnet, claude-4-opus 等)Gemini (gemini-2.5-pro, gemini-1.5-pro 等)xAI (grok-3-mini)Deepseek (reasoner R1, chat V3)Qwen (Qwen3)

安装方法:

代码语言:javascript代码运行次数:0运行复制
git clone https://github.com/lmgame-org/GamingAgent.gitcd GamingAgentconda create -n lmgame python==3.10 -yconda activate lmgamepip install -e .
登录后复制

在credentials.sh 中设置 API keys:

代码语言:javascript代码运行次数:0运行复制
export OPENAI_API_KEY={YOUR_OPENAI_API_KEY}export ANTHROPIC_API_KEY={YOUR_ANTHROPIC_API_KEY}export GEMINI_API_KEY={YOUR_GEMINI_API_KEY}export XAI_API_KEY={YOUR_XAI_API_KEY}export DEEPSEEK_API_KEY={YOUR_DEEPSEEK_API_KEY}
登录后复制

省事点可以在线体验(需要网络畅通)

大模型玩游戏,Deepseek-R1-0528 太强了图片

在线体验:https://huggingface.co/spaces/lmgame/lmgame_bench

可以玩的游戏有推箱子、2048、俄罗斯方块、超级马里奥等

大模型玩游戏,Deepseek-R1-0528 太强了图片

deepseek-r1 在糖果粉碎传奇上表现不错,在 2048 和 俄罗斯方块上表现中等,在推箱子和逆转裁判上表现较弱

大模型玩游戏,Deepseek-R1-0528 太强了图片

总体看,最强的还是 o3/o4 mini、Gemini 2.5 Pro、Claude 3.7

更多细节,大家可以看下这篇论文:https://arxiv.org/pdf/2505.15146

大模型玩游戏,Deepseek-R1-0528 太强了图片

这篇论文我大致看了一下,其中有一些提示词蛮有意思的

比如:如何用纯文字指导大模型玩游戏?

比如:推箱子

大模型玩游戏,Deepseek-R1-0528 太强了图片
代码语言:javascript代码运行次数:0运行复制
提示:你正在解决推箱子谜题。你是玩家,需要将所有箱子推到目标位置。当你紧挨着箱子时,你可以通过向相同方向移动来推动它。你不能将箱子推过墙壁,也不能拉动箱子。答案应该是一个动作序列,例如 向右 || 向右 || 向上。状态中每个符号的含义是:#: 墙壁,_: 空地,O: 目标,√: 箱子在目标上,X: 箱子,P: 玩家,S: 玩家在目标上你的可用动作是:上,下,左,右你最多可以执行 10 个动作,动作之间用“ || ”分隔。回合 1:状态:#############O#####XP####__#########你还剩 10 次动作机会。始终输出:[你的思考过程]
 [你的答案] ,不要带有多余的文本。严格遵守此格式。最大响应长度:100 词(标记)。下一回合的提示:奖励:-0.1回合 2:状态:{当前状态}你还剩 9 次动作机会。始终输出:[你的思考过程]
 [你的答案] ,不要带有多余的文本。严格遵守此格式。最大响应长度:100 词(标记)。登录后复制

菜鸟下载发布此文仅为传递信息,不代表菜鸟下载认同其观点或证实其描述。

展开
小黑叠叠高
小黑叠叠高
类型:休闲益智 运营状态:公测 语言:简体中文
休闲 闯关
前往下载

相关文章

更多>>

热门合集

更多>>

热门游戏

更多>>

热点资讯

更多>>

热门排行

更多>>

热门攻略

更多>>

热门专区

更多>>

手机扫描此二维码,

在手机上查看此页面

关于本站 下载帮助 版权声明 网站地图

版权投诉请发邮件到 cn486com#outlook.com (把#改成@),我们会尽快处理

Copyright © 2019-2020 菜鸟下载(www.cn486.com).All Reserved | 备案号:湘ICP备2023003002号-8

本站资源均收集整理于互联网,其著作权归原作者所有,如有侵犯你的版权,请来信告知,我们将及时下架删除相应资源