标签
XiangqiBench 是一个可执行的基准测试，用于对 LLM 智能体在中国象棋残局中的表现进行闭环评估：测量模型能否在必杀局面下，将优势转化为经引擎防守方验证的胜局，并揭示了静态着法发现能力与实际赢棋表现之间的巨大差距，涵盖 12 个前沿大模型。
介绍CLVR（闭环视觉推理），一种将文本到图像生成从单步过程重构为闭环多步视觉推理方法的框架，使用VLM控制器和扩散模型，在组合提示上实现了改进的性能。