MazeBench 发布开源 3D 空间推理基准
patience_cave · x · 2026-07-28
MazeBench 是一个开源的 3D 开放世界视觉空间推理基准。
从链接页看，它提供可交互的游玩界面、排行榜和存档能力，说明这不是静态问答集，而是更偏向测量智能体或模型在空间任务中的导航、理解与推理能力。
所属事件:MazeBench 开源发布：3D 迷宫评测长程规划(8 条相关)→
「研究」频道最新
- Muse Spark 1.1 在 Arena 视觉前沿分数升至 1283 — arena · 2026-07-28
- Laguna 24 小时内快了 36.8%，基准校验也在加固 — gajesh · 2026-07-28
- MazeBench 用 3D 开放世界考长期规划，顶级 agent 还过不了前几关 — JasonBotterill · 2026-07-28
- Lean 4 形式化出 block sensitivity 与 spectral sensitivity 的 2.12+ 分离 — RexDouglass · 2026-07-28
- 会议审稿人失责导致论文只剩两份审稿意见 — CSProfKGD · 2026-07-28
- GBAG-Bench 发现本地 BI 模型会写对 SQL 也会瞎报增长 — Additional_Menu8542 · 2026-07-28