MazeBench 用 3D 开放世界测长期规划，现有 agent 难通关
giffmana · x · 2026-07-29
MazeBench 用 3D 开放世界考长程规划，现有顶级 agent 还卡在前几关
MazeBench 是一个用于评测 长期规划 和 视觉空间推理 的 3D 开放世界环境，整体包含 数百个房间和谜题。作者表示，目前最好的 agent 也无法推进到初始关卡之后。
这个基准想考验的是传统测试不容易覆盖的能力：
- 在持久化世界里导航
- 长时间跨度下的记忆与规划
- 多步行动中的一致性与连贯性
它本质上是在把“会做题”与“能在复杂世界里持续做事”区分开来。
所属事件:MazeBench 开源发布：3D 开放世界评测暴露智能体短板(12 条相关)→
「编程与Agent」频道最新
- OpenWiki 周下载量达 2.34 万，主打 agent 代码库知识库 — LangChain · 2026-07-29
- Chrome 150 DevTools 更新：支持 Agent 内存调试与 MCP 技能打包 — gaganghotra_ · 2026-07-29
- Pydantic 推出 Monty：专为执行 Agent 代码设计的极简沙箱 — samuelcolvin · 2026-07-29
- 13岁少年学习Codex仅30分钟，48小时做出游戏网站 — paw_lean · 2026-07-29
- Claude 教程在真机实测中失效，缺了一步就看不到数据 — philrox_ · 2026-07-29
- Cloudflare Browser Run 为浏览器 agent 加入结构化人工接管 — irvinebroque · 2026-07-29