Gary Marcus 引用了一项新的基准测试，显示顶级 LLM 在单挑扑克中的表现明显逊于人类专业选手，并以此证明它们距离 AGI 还很遥远。
📝 详细摘要
Gary Marcus 引用了 GTO Wizard AI 的一项研究，该研究测试了全球最顶尖的 LLM 在单挑无限额德州扑克（NLHE）中的表现。结果显示，表现最好的模型每 100 手牌损失 16 个大盲注（16 bb/100），而顶级人类职业选手面对同一 AI 时仅损失约 4 bb/100。Marcus 利用这种在具有隐藏信息的策略性游戏中的表现差距，支持他长期以来的批评观点，即 LLM 缺乏实现通用人工智能（AGI）所需的推理能力。
📊 文章信息
AI 评分：82
来源：Gary Marcus(@GaryMarcus)
作者：Gary Marcus
分类：人工智能
语言：英文
阅读时间：1 分钟
字数：68
标签： LLM 基准测试, AGI, 扑克 AI, 策略推理, Gary Marcus