MazeBench发布3D评测基准，现有AI智能体卡在开局

全新的3D开放世界评测基准MazeBench正式发布，旨在专门测试AI智能体的长程规划和视觉空间推理能力。该环境内包含数百个房间与谜题，并强调分布外（OOD）挑战。然而测试结果显示，当前最先进的智能体表现极差，甚至连最初的几层关卡都无法通过，暴露出现有模型在复杂3D空间中的严重局限性。

2026-07-28 ~ 2026-07-28 · 8 条相关

• MazeBench 用 3D 开放世界测智能体，现有模型只到开局 — patience_cave · 2026-07-28
• MazeBench 开源 3D 迷宫基准，200+ 房间评测智能体 — patience_cave · 2026-07-28
• MazeBench 作为开源 3D 解谜基准正式发布 — patience_cave · 2026-07-28
• MazeBench 用 novelty score 防止智能体长跑打转 — xeophon · 2026-07-28
• MazeBench 把迷宫评测做成带摄像头控制的持续学习基准 — xeophon · 2026-07-28
• MazeBench 发布开源 3D 空间推理基准 — patience_cave · 2026-07-28
• Mazebench 开源发布，带来 100 多个房间设计 — patience_cave · 2026-07-28

另有 1 条近重复转述:teortaxesTex