MazeBench 开源 3D 迷宫基准，200+ 房间评测智能体
patience_cave · x · 2026-07-28
MazeBench 把编码智能体拉进 3D 迷宫评测
MazeBench 是一个开源的本地浏览器应用，用来构建持久化的 3D 解谜世界，并在同一个 JavaScript 引擎里评测编码智能体。项目包含 200+ 个房间、100+ 个目标（gems），支持 ASCII、Python enabled 等不同接口。图里的排行榜显示，给智能体加上 Python 工具后，成绩会明显提升，GPT-5.6 Sol Max 达到 13%。
作者还说明，后面的关卡被刻意设计成 A 求解器也难以覆盖，因此现阶段模型还没真正跑到那些关卡。为了控制算力，他们会用 novelty score 检测循环行为，防止 agent 一直在原地打转。
所属事件:MazeBench 开源发布：3D 开放世界评测智能体长程规划(14 条相关)→
「编程与Agent」频道最新
- ThePrimeagen 调侃:给了无限 token,产出还是个 Electron 应用 — seatedro · 2026-10-17
- 长文详解 Generative UI:让 Agent 用活界面回答而非文字墙 — EXM7777 · 2026-10-17
- MCP 工具上线前审查:安全发现不过关,测试满分也不放行 — SamuelFmedeiros · 2026-10-17
- DeepSeek 视觉能力快速进化：Agent 可自查截图迭代建 3D 场景 — cedric_chee · 2026-10-17
- 被客户赖账500美元一年后，他让AI Agent自主打电话催债 — curious_vii · 2026-10-17
- AI:AM 播客文字版：agent 权限失控、隐藏效价与形式化验证抓内核 bug — The Cognitive Revolution · 2026-10-17