俄罗斯方块、推箱子、2048…AI为何卷起了小游戏？大模型最新评测方式，竟然是让它们玩各种怀旧小游戏！DeepSeek上榜，o3-pro断层领先……这个Benchmark叫Lmgame，出自UCSD的Hao AI Lab