Я немного удивлён, что никто ещё не создал сервер Dwarf Fortress MCP, который мог бы позволить агенту, как Codex или Claude Code, эффективно управлять игрой и следить за состоянием и прогрессом. Я сам никогда не играл в это, просто скачал и кратко ознакомился с ним около 10 лет назад, но мне было интересно читать о нём. Кажется, это было бы очень хорошим тестом для LLM, чтобы увидеть, как долго он сможет поддерживать гномов в живых и процветающих. Поскольку каждая игра в конечном итоге приводит к какой-то каскадной катастрофе, из-за которой все гномы погибают, должно быть естественное место остановки, что делает её хорошим кандидатом для бенчмарка. По крайней мере, это моё понимание (девиз игроков — "Проигрывать весело"). Хорошая работа с этой игрой будет зависеть от точности вызова инструментов и устойчивой согласованности долгосрочных задач, а также от способности следить за динамикой сложной системы и делать своевременные вмешательства, которые предвосхищают и противодействуют проблемам. И поскольку она терминально нативна, её можно эффективно передавать и обрабатывать с использованием обычных токенов без необходимости в многомодальной обработке изображений, что сделает её гораздо более эффективной, чем другие игры. Плюс, вы знаете, что ни одна лаборатория ИИ ещё не обучалась этому (пока!), так что она не испорчена "benchmaxxing."