先了解这件事
AI 综述
2026 年 6 月 18 日,InternLM 发布 RNG-Bench 的代码与论文。据同一来源的报道,该基准用于评测多模态大模型在可控非马尔可夫游戏中的表现,采用 Matching Pairs 和 3D Maze 两款游戏,在闭环中考察模型“记住再行动”的能力。报道称,最难的配置每回合可达约 128K tokens 和约 350 张图像输入;在 10×10 图像 Matching Pairs 中最佳得分为 64.6%(Seed-2.1-Pro),在 13×13 迷宫中最佳成功率为 50%(Gemini-3.1-Pro)。目前尚无后续发展事实。
AI 根据公开报道生成
最新进展 · 正式报道
InternLM 发布 RNG-Bench：评测多模态大模型在可控非马尔可夫游戏中的表现事件进展
1 个已确认进展
- 来源：InternLM 原创项目
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月13日
InternLM 原创项目一手
InternLM 发布 RNG-Bench：评测多模态大模型在可控非马尔可夫游戏中的表现
InternLM 开源 RNG-Bench，用 Matching Pairs 和 3D Maze 两款游戏在闭环中评测多模态大模型的“记住再行动”能力。最难的配置每回合可达约 128K tokens 和约 350 张图像输入，最佳 10×10 图像 Matching Pairs 得分仅 64.6%（Seed-2.1-Pro），最佳 13×13 迷宫成功率 50%（Gemini-3.1-Pro）。