Noticias sobre SpireBench

SpireBench utiliza *Slay the Spire* para revelar el cuello de botella actual de los LLM en el razonamiento estratégico a largo plazo: aunque los modelos pueden resolver tareas a corto plazo y destacar en las fases iniciales, a medida que la línea temporal se alarga, la falta de capacidad para la planificación en múltiples pasos y la evaluación de consecuencias a largo plazo provoca que su rendimiento caiga en picado. Esto demuestra que los agentes de IA están pasando de la fase de competir por parámetros y conocimientos estáticos a aguas profundas donde se compite por la planificación dinámica y la capacidad de toma de decisiones en secuencias largas.