MazeBench 发布 3D 长程规划评测，当前最佳 agent 仍卡在起始关
teortaxesTex · x · 2026-07-28
MazeBench 是一个新的 3D 开放世界评测基准，专门用来考察 agent 的长程规划和视觉空间推理能力。
- 整个环境包含数百个房间和谜题，强调 OOD（分布外）测试难度。
- 作者表示，目前最好的 agent 即使有 Python 访问权限，也还无法推进到初始关卡之后。
- 这个基准的设计目标是：人类可通关，但对当前 agent 很难，用来检验长期规划能力的上限。
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)→
「研究」频道最新
- 阿斯利康与 insitro 达成 4000 万美元 AI 药物研发合作 — HealthcareLdr · 2026-10-17
- Fizgig LoRA 隔离法:50 个陌生人 0 串脸,相似度几乎不损失 — shootthesound · 2026-10-17
- NVIDIA 开源 midtraining 配方：500B token 让 SWE-bench Multilingual 涨 7 分 — dair_ai · 2026-10-17
- 16 万引用审计：DeepSeek/豆包展示的链接近 40% 根本没被用过 — Sanbi_Ai · 2026-10-17
- 研究发现狗也表现出 Bouba–Kiki 联觉效应 — abenitezburraco · 2026-10-17
- rasbt「Reasoning From Scratch」完结：手把手蒸馏推理模型 — rasbt · 2026-10-17