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 发布开源 3D 空间推理基准(4 条相关)→
「编程与Agent」频道最新
- AI工具Robin将暗网调研缩短至30分钟 — tom_doerr · 2026-07-28
- Excel+LLM 系统的瓶颈是业务知识无损传递 — Tired40s · 2026-07-28
- 四个模型同题做游戏，Opus 5 像完整成品 — victor_explore · 2026-07-28
- 生产级 agent 需要结构化评测流水线 — blaizedsouza · 2026-07-28
- 重试 agent 步骤，不等于安全恢复 14 步工作流 — msignificantdigit · 2026-07-28
- 长跑 Agent 的上下文管理只有三种解法 — blaizedsouza · 2026-07-28