我让AI管理一个文明，它造了核弹——启动CivBench

作者利用《文明VI》构建了CivBench基准测试，评估AI的战略决策能力。AI代理在游戏中表现出色，但未能察觉法国文化胜利的威胁，最终诉诸核武器，却仍然失败。实验揭示了AI在复杂环境中的感知盲区和知行差距。