跳到正文
热点事件持续更新

PenaltyBench评测AI点球判罚能力

1 篇报道1 个报道来源6 小时前更新

先了解这件事

AI 综述

Wenhao Chai发布PenaltyBench,让11个AI智能体观看101个点球争议片段并与裁判专家结论对照;Gemini 4 Carbon以63.3%的平衡准确率居首,略高于配备VAR的真人裁判(62.3%)和GPT-6.1 Terra(62.0%),Qwen 4 Max与Inkling 2 Small分别为52.0%和50.6%。 测试包含63个点球和38个非点球片段,智能体在断网沙箱内作答,每次限时40分钟,Qwen 4 Max限时2小时;失败可重试两次,未作答按错误计。全判点球的基线准确率为50%。该基准用于比较多模态模型在判罚前依据视频判断事件的能力。

AI 根据报道生成 · 6 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. AGI Hunt
    PenaltyBench:11 个 AI 智能体判点球,Gemini 4 Carbon 胜过 VAR 裁判

    Wenhao Chai 发布 PenaltyBench,以 11 个 AI 智能体观看并判断 101 个点球争议片段,结果与裁判专家结论对照。Gemini 4 Carbon 以 63.3 的平衡准确率居首,高于带 VAR 的真人裁判 62.3 和 GPT-6.1 Terra 62.0;Qwen 4 Max 与 Inkling 2 Small 分别为 52.0 和 50.6。

本事件热度走势

可比范围当前
9
可比范围峰值
1011月18日 13:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。