🎮 Пока ИИ думал, Марио уже погиб

Исследователи Пекинского университета и Samsung создали RealtimeBench: 180 задач в шести играх, включая Mario, Snake и Tetris. Главное условие: игра продолжает идти, пока модель принимает решение.

С паузами GPT-6.1-sol обошла быструю Jev в пяти играх из шести. В реальном времени средние оценки оказались такими:

• GPT-6.1-sol: 1,51 из 100
• Jev: 13,51 из 100

Хорошее решение теряет смысл, если команда прыжка приходит после столкновения.

Авторы предложили TORSI: медленная модель между попытками разбирает ошибки быстрой, проверяет варианты действий и пишет для неё инструкции. Во время игры быстрая модель действует самостоятельно.

После двух раундов средний результат Jev вырос с 13,51 до 24,19, примерно на 79%. Улучшения получили во всех шести играх, без изменения весов модели.

Практическая идея для агентов: быстрые решения во время работы, глубокий разбор и улучшение инструкций между попытками.

https://arxiv.org/abs/2610.20665