MazeBench：浏览器里搭3D解谜世界给模型做评测
xeophon · x · 2026-08-21
MazeBench 是一个本地浏览器应用：先构建和游玩持久化的 3D 解谜世界，再让模型在同一个 JavaScript 引擎里被评测。\n\n- 安装方式：pip install mazebench 后运行 mazebench launch（需 Python 3.9+ 和 Node.js），或从源码 npm ci && npm run dev，站点开在 localhost:3000\n- 三种模式：Play 探索主世界或本地世界；Build 创建并编辑存在本机的世界；Agent 模式用于评测模型\n- GitHub 仓库（MazeBenchEngine）已开源，45 star，含 CLI、测试、Docker 支持等完整工程结构
「编程与Agent」频道最新
- AgentRadio 研究让智能体任务中通信，提升长程任务解决率 — import_jmr · 2026-08-21
- 开源工具 Graft 让编码 Agent 记住代码库，提速 60% — alex_verem · 2026-08-21
- Graft：让编码 Agent 持久化记忆代码库，效率提升 3 倍 — alex_verem · 2026-08-21
- Agent 评测只看输出对错就够了吗？社区激辩决策级评估 — KAIT2_1412 · 2026-08-21
- Polsia 上线：九个智能体全自动运营公司 — testingcatalog · 2026-08-21
- MCP 长时任务演示：展示 Agent 持续处理能力 — dsp_ · 2026-08-21