《我的世界》成为AI新「考场」？高三生用游戏评测AI：DeepSeek-R1位列 第三 如果要衡量 AI 的智能程度，你会怎么做？让它解数学题、写代码，还是让它通过标准化考试？这些方法虽然严谨，但普通人往往难以直观理解 AI 的能 力差异。 近来，一位高三学生 Adi Singh 找到了一个更有趣的办法——用《我的世界》（Minecraft）来评测 AI！他创建了一个名为 MC-Bench 的网站，让不同的 AI 大模型在《我的世界》里建造建筑物，然后由网友投票评选出表现最好的模型。 据悉，这个项目迅速吸引了大量 AI 研究人员和开发者的关注，OpenAI、Google、Anthropic 和阿里巴巴等大型企业虽未直接参与开发，但也为该项目提 供了 AI 计算资源支持。 一名高中生，创建了一种新的 AI 评测基准 如今，研究人员通常会使用标准化测试来评估 AI 模型的表现，但许多测试都给了AI"主场优势"。 由于 AI 模型的训练方式，它们一般较为擅长解决特定、狭窄的问题，尤其是需要死记硬背或简单推理的任务。例如，AI 模型在 LSAT 法律考试、数学推 理测试等标准化考试中得分很高，但在现实应用中仍然容易犯 ...