新基准 GM Bench 用跨赛季球队管理考察 LLM 长程决策。
资讯摘要
论文提出 GM Bench，用于评估大语言模型在资源约束与持续竞争下跨赛季管理职业体育球队的长程决策能力。作者为四个体育项目构建环境模拟器，加入财务约束、球员诉求与市场机制，并用真实球员数据构造实力相近的阵容，让每个模型以球队总经理身份参赛，从竞技表现、现金储备和跨赛季提升三方面评估。论文报告称，在五个 NBA 赛季中 Claude Opus 5.5 在 29 个模型中排名第一，GPT-6 Astra 与 GPT-6.1 Sol 则兼顾较强表现与更多现金储备。
要点速读
- 论文提出 GM Bench，覆盖四个体育项目的球队管理模拟环境，并加入财务约束、球员诉求与市场机制。
- 评估维度包括竞技表现、现金储备和跨赛季提升，模型以球队总经理身份参与。
- 作者报告称，五个 NBA 赛季中 Claude Opus 5.5 在 29 个模型中排名第一。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。