HarnessEval-W：子智能体让世界模型评测可审计

新基准 HarnessEval-W 将 harness 范式引入视觉世界模型评测，利用分层子智能体把复杂的评估任务分解为可验证的推理链，为每一个打分提供透明、可审计的证据支持。这一方法让世界模型的评估过程本身也可被检查，增强了视觉世界模型评估的可信度。

2026-08-18 ~ 2026-08-18 · 2 条相关

• HarnessEval-W：分层子 Agent 分解视觉世界评估 — MirroS-Lab · 2026-08-18
• HarnessEval-W 发布：用子智能体让世界模型评测可审计 — _akhaliq · 2026-08-18