arXiv、LLMの戦略評価ベンチマーク「SpireBench」発表
arXiv cs.AIは2026年10月8日(現地時間)、大規模言語モデル（LLM）の長期的戦略的プレイを評価する新たなベンチマーク「SpireBench」を発表した。人気デジタルデッキ構築ゲーム「Slay the Spire（StS）」を用いた評価では、20種類のLLMがゲームの最高難易度で試された。その結果、最先端のモデル群は平均的な人間プレイヤーと同等のパフォーマンスを示したものの、専門家レベルには達しないことが判明した。