先了解这件事
AI 综述
2026年10月17日,北京大学与三星发表论文,提出慢推理模型离线指导快模型的方法TORSI。该方法让慢推理模型在局间研究快模型的失败并写出指令。据论文,快模型Jev在实时游戏中的平均得分从13.51提升至24.19,6类游戏全部改善。论文同时构建了RealtimeBench,包含Mario、Snake、Tetris等6款游戏的180个任务,推理期间游戏持续运行。论文还提到,暂停时GPT-6.1-sol在6款游戏中5款胜过Jev,但实时对局仅得1.51分,远低于Jev的13.51分。作者建议实时智能体保留快模型在环,用慢模型离线编写和测试指令。
AI 根据公开报道生成
最新进展 · 正式报道
北大与三星论文：慢推理模型离线指导快模型，实时游戏得分从13.51升至24.19事件进展
1 个已确认进展
- 来源：Rohan Paul
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17日
Rohan Paul
北大与三星论文：慢推理模型离线指导快模型，实时游戏得分从13.51升至24.19
北京大学与三星的论文提出 TORSI 方法，让慢推理模型在局间研究快模型的失败并写出指令，快模型 Jev 在实时游戏中平均得分从 13.51 提升至 24.19，6 类游戏全部改善。他们构建的 RealtimeBench 包含 Mario、Snake、Tetris 等 6 款游戏的 180 个任务，推理期间游戏持续运行；暂停时 GPT-6.1-sol 在 6 款游戏中 5 款胜过 Jev，但实时对局仅得 1.51 分，远低于 Jev 的 13.51 分。作者建议实时智能体保留快模型在环，用慢模型离线编写和测试指令。