Show HN· kp1197·· 22 天前AI 评分35
BeelineBench：评估决策模型解决多步问题的能力
Show HN: BeelineBench – How well do decision models solve multi-step problems?
AI 导读
BeelineBench 评估决策模型解决多步问题的能力，涵盖滑动拼图、规划、算术、文字游戏和维基百科链接导航等7个领域。该工具通过比较模型探索的节点数与最短路径节点数来评分，旨在评估模型的规划能力，而非取代经典技术。
来源：Show HN · github.com