MazeBench 把迷宫评测做成带摄像头控制的持续学习基准
xeophon · x · 2026-07-28
MazeBench 不只是普通迷宫：有些关卡还需要 控制摄像头，让纯 brute-force 更难奏效。
作者还指出，基准中存在会反复出现的技巧，模型需要跨关卡学习，因此他们把它定义成一个 持续学习型 benchmark，而不是一次性的谜题集合。
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