[@SentientAGI SPIN-Bench 的更新] 我总结了 SPIN-Bench 的内容。 SPIN-Bench 概述 SPIN-Bench 是一个评估大型语言模型（LLM）战略规划、互动和谈判能力的基准，测量多智能体环境中的社会智能。 背景与目的 开发：Sentient AGI（@SentientAGI），普林斯顿大学，德克萨斯大学奥斯汀分校合作 发布：2025 年 COLM，arXiv 论文（2025.03） 目的：检查 LLM 在长期规划、不确定性下的谈判、意图推理等方面的社会智能极限 主要特点 组成：基准（任务和标准）+ 竞技场（模拟） 调节因素：行为空间、状态复杂性、智能体数量 指标：成功率、规划最优性、样本效率、协调结果 评估领域 PDDL 规划 - 长期规划、约束追踪 竞争棋盘游戏 - 敌对预测、分支爆发应对 合作纸牌游戏 - 部分可观察性、团队协调 多智能体谈判 - 联盟形成、虚张声势检测 LLM 性能 优势：简单推理、短期规划 劣势：多步骤推理、大规模状态处理、社会协调 与人类和专业求解器的性能差距 那么...