在 Agent 模式下在线玩数学游戏
这可能不算“有用”，但再给它 4 个月时间。任务：作者测试了 GPT-5 的 Agent 模式在《Math Games with Bad Drawings》在线数学游戏中的表现。Agent 通过浏览器导航并执行走棋，但无法自主检测轮次变化。人类需手动输入“轮到你了”作为信号，以弥补 Agent 缺乏实时监控网站变化的能力。；工具：ChatGPT Agent。人工角色：原文未说明人类如何保持参与。；局限：Agent 无法监控网站变化或检测轮次，需人工输入指令。它缺乏战略推理能力，表现不如普通人类玩家。此前在租车预订等复杂任务上失败，表明当前能力仅限于简单的、有人工引导的交互。。
工具
Agent Work Atlas 发布日期:
概述
这可能不算“有用”，但再给它 4 个月时间
工作流程
作者测试了 GPT-5 的 Agent 模式在《Math Games with Bad Drawings》在线数学游戏中的表现。Agent 通过浏览器导航并执行走棋，但无法自主检测轮次变化。人类需手动输入“轮到你了”作为信号，以弥补 Agent 缺乏实时监控网站变化的能力。
原文报告的结果
Agent 成功执行了游戏步骤，相比之前在税务表格等任务上的失败有所进步。然而，它缺乏战略深度，轻易被作者击败。作者认为这是“重大进步”，但尚未完全实用，并估计 Agent 模式在 2025 年底前变得有用的概率超过 50%。
人工角色
原文未说明人类如何保持参与。
局限
Agent 无法监控网站变化或检测轮次，需人工输入指令。它缺乏战略推理能力，表现不如普通人类玩家。此前在租车预订等复杂任务上失败，表明当前能力仅限于简单的、有人工引导的交互。
试一试
我想测试 GPT-5 Agent 模式在简单交互式网页游戏中的当前能力。请导航至 [可替换的回合制网页游戏 URL，例如数学谜题网站]。作为玩家 1 开始新游戏。当游戏等待玩家 2 时，不要尝试监控屏幕变化。相反，暂停并等待我输入“轮到你了”。一旦我提供该信号，分析当前棋盘状态，决定一步棋并在浏览器中执行。重复此循环 5 步。每步之后，截图并描述你的推理过程。如果 Agent 未能点击或误解棋盘，请停止并报告错误。不要在没有我“轮到你了”提示的情况下尝试自主游戏。这是一次试运行，旨在评估导航和基本决策能力，而非战略深度。
来源报告未经独立核验。发布日期为本站案例发布日期，并非原始文章日期。