S
SkillNav

大模型不擅长实时任务：Realtime-Bench 揭示短板

深度2026年11月2日8 分钟阅读
大模型不擅长实时任务：Realtime-Bench 揭示短板
Realtime-Bench 基准测试显示，在 50 个需要实时决策的游戏和网页任务中，表现最好的 GPT-6 Astra 在真实延迟下通过率仅 36%。研究者指出，这暴露了 AI Agent 在动态环境中的根本性弱点。
本文编译自 Import AI 479: Spacewar; low-latency tasks versus LLMs; Genie 4，版权归原作者所有。

觉得有用？分享给更多人

获取每周 AI 工具精选

工具推荐、实战教程和生态洞察，每周更新。

关注 @skillnav_dev →阅读周刊

概念速查

大语言模型

大语言模型是通过海量文本训练出的 AI 模型，能理解和生成人类语言——Agent、RAG、MCP 的底层引擎。

相关文章

Cognition 为 Devin 加上预算，超支立刻中断

Cognition 为 Devin 引入分层预算功能，支持企业按组织层级分配和追踪 AI 编程代理的开销。预算耗尽即中断任务，但工程师可申请额外 ACU，管理员也能设置效率评分自动批准。

深度The New Stack·11月2日·6 分钟

攻击者如何通过 HTML 预览接管 ChatGPT 账户

Parameter Labs 披露了针对 ChatGPT HTML 预览（原 Canvas）的漏洞利用链：通过 MathLive 库的虚拟键盘和 postMessage 绕过沙箱，利用 YouTube oEmbed 执行 JavaScript，最终可窃取用户数据。OpenAI 修复漏洞并支付 5000 美元赏金。

深度Simon Willison·10月31日·3 分钟

评论