GlyphBench 发布：360+ 游戏任务检验游戏 RL 能否提升 LLM 推理

研究者发布 GlyphBench，通过 360+ 游戏任务检验在游戏上开展 RL 训练能否提升 LLM 推理能力。该 benchmark 同时用于衡量游戏推理、开展研究和执行后训练，目前预印本、代码与博客文章均已公开。