标签
PatronusAI 发布了 SpeedrunBench，这是首个评估 AI 代理在多个电子游戏中速通性能的基准测试。
本文报道了在nanoGPT优化器速度竞赛中，对18个前沿AI模型进行自主测试的比较，详细阐述了它们在缩小与人类记录差距方面的表现。
LoRA Speedrun 是一个微调技术的实际耗时公开排行榜，通过自动化验证，在单块 L40S GPU 上使用 Qwen2.5-1.5B 和 SmolLM2-1.7B 模型，测量 LoRA 适配器在 GSM8K 和 SQuAD 任务上达到目标准确度的速度。
A speedrunner attempts to execute every byte of the 32KB ROM in Super Mario Bros. using glitches and exploits, covering most of the code including unreachable paths, while documenting the remaining unexecuted bytes.
AI智能体（Opus 4.7 和 GPT 5.5/Codex）自主优化了 nanoGPT 快速运行任务，以2930步的新记录超越了人类基线。博客详细介绍了它们的搜索方法、失败案例，并发布了所有运行数据和代码。