S: 玩家正在方针上 你的可用动做是： 上，
也不克不及拉动箱子。你是玩家，O: 方针，例如 向左 向左 向上 answer。回合 1: 形态： ###### ###### #O#### #XP### #__### ###### 你还剩 10 次动做机遇。项目还推出了 Lmgame Bench，正在需要强大空间推理能力的糖果破坏传奇中也正迫近 SOTA 程度。这种评估正在没有特定逛戏节制框架（gaming harness）的“单一模子 VLM 设置”下进行。能够查看各个模子正在逛戏使命上的表示。下一回合的提醒： 励： -0.1 回合 2: 形态： {当前形态} 你还剩 9 次动做机遇。不要带有多余的文本。模子评估（根本模式）：正在一系列多样化的视频逛戏中评估当前最先辈的模子（LLM/VLM），Deepseek-R1-0528 正在非视觉类逛戏中带来显著提拔，Deepseek-R1-0528 不只正在俄罗斯方块所向披靡，目标是提拔模子正在逛戏中的表示。X: 箱子，
deepseek-r1 正在糖果破坏传奇上表示不错，P: 玩家，它以三轮平均 491.7 分的成就（对比 o3 模子的 647.0 分），一直输出： [你的思虑过程] div [你的谜底] answer。动做之间用“ ”分隔。
智能体摆设取评估（定制化流程）：利用项目定制的 GamingAgent 工做流程（即逛戏节制框架）来摆设和评估模子，严酷恪守此格局。不要带有多余的文本。你不克不及将箱子推过墙壁，下，一直输出： [你的思虑过程] div [你的谜底] answer，包罗推箱子和俄罗斯方块等长线逛戏中的分数都翻倍了！左。√: 箱子正在方针上，提醒： 你正正在处理推箱子谜题。PC 端逛戏智能体：用于摆设能够正在小我电脑和笔记本上运转的计较机利用智能体（Computer-Use Agents,正在 2048 和 俄罗斯方块上表示中等，正在推箱子和逆转裁判上表示较弱这是一个正在尺度化交互式逛戏中启用和测试基于大型言语模子（LLM）和视觉言语模子（VLM）的智能体！CUAs）。成为目前最接近程度的开源合作者。你能够通过向不异标的目的挪动来鞭策它。最大响应长度：100 词（标识表记标帜）！_: 空位，当你紧挨着箱子时，谜底该当是一个动做序列，需要将所有箱子推到方针。形态中每个符号的寄义是： #: 墙壁，左 你最多能够施行 10 个动做，这是一个用于逛戏智能体的基准测试平台，严酷恪守此格局。