TextQuests：用文字游戏评估LLM表现

Hugging Face 发布 TextQuests 基准，用于评估大语言模型在文字游戏中的表现。该基准包含一系列基于文本的冒险游戏，要求模型理解上下文、制定策略并生成连贯的文本输出。初步测试显示，当前主流模型在复杂任务中仍存在明显不足，尤其在长期规划和常识推理方面。TextQuests 为评估 LLM 的交互式推理能力提供了新视角。