참고Reddit
STS2-Bench 공개…Slay the Spire 2로 LLM 장기 의사결정 능력 평가
단발 벤치마크가 놓치는 순차·누적 의사결정 측정. 에이전트 평가 설계 참고용, GPT-5.6 Sol 강세 확인.
원문 제목 STS2-Bench: Testing LLM long-horizon decision-making in Slay the Spire 2
원문 보기 ↗단발 벤치마크가 놓치는 순차·누적 의사결정 측정. 에이전트 평가 설계 참고용, GPT-5.6 Sol 강세 확인.
원문 제목 STS2-Bench: Testing LLM long-horizon decision-making in Slay the Spire 2
원문 보기 ↗