Nya tester visar att snabbhet slår smarthet när AI-agenter spelar i realtid

arXiv cs.AI

Forskare har byggt RealtimeBench – 180 uppgifter fördelade på sex speltyper – för att testa AI-agenter medan spelen faktiskt körs, inte väntar snällt på svar. Resultatet är lite oväntat: GPT-4.1-sol vinner när spelen pausas, men tappar mot den snabbare modellen Jev när klockan tickar. Med en ny träningsmetod kallad TORSI (där en långsam 'lärare' analyserar misstag och skriver instruktioner till en snabb 'elev') lyckades man höja Jevs genomsnittspoäng från 13,51 till 24,19 på en 0–100-skala – och instruktionerna fungerade även för tre andra modeller utan extra finjustering.