Вышла статья и результаты, сайт тут: https://www.vgbench.com/ Код тут: https://github.com/alexzhang13/VideoGameBench В целом все модели около нуля, но Gemini 2.5 Pro и Claude 3.7 себя показывают чуть лучше. Самое обидное, что никакого прогресса в Civilizaiton 1 модели не делают( надо бы заняться вопросом! На видео: Gemini 2.5 Pro играет в Kirby's Dream Land в реальном времени, успешно проходя начальный уровень и достигая первой встречи с мини-боссом.
Вышла статья и результаты, сайт тут: https://www.vgbench.com/ Код тут:…
Из этого канала
- #2596Авторы отмечают, что у моделей большие проблемы с пониманием UI, и поэтому для…
Авторы отмечают, что у моделей большие проблемы с пониманием UI, и поэтому для тренировки предоставляют 3 игры: — кликнуть на 10 зеленых кружков на экране за…
- #2599Всем доброго пятничного вечера, напишите пожалуйста в комментариях, если можете…
Всем доброго пятничного вечера, напишите пожалуйста в комментариях, если можете подарить инвайт в браузер Dia. 😏
- #2601Не успел написать про результаты запуска сразу (или хотя бы на следующий день),…
Не успел написать про результаты запуска сразу (или хотя бы на следующий день), да ещё и к тому же это был первый пуск, который я проспал...
- #2594Супер-важно: сегодня впервые ускоритель будет использоваться повторно. Это…
Супер-важно: сегодня впервые ускоритель будет использоваться повторно. Это огромная экономия денег с точки зрения цены запусков, ведь вы не выбрасываете ракету…
- #2593План миссии Flight 9. Космос любит троицу, и это третья попытка запуска корабля…
План миссии Flight 9. Космос любит троицу, и это третья попытка запуска корабля Starship из Блока V2 после двух аварий, но на этот раз с важными отличиями в…