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
所属事件:MazeBench 开源发布：3D 解谜世界考验长时序 Agent(3 条相关)→
「编程与Agent」频道最新
- 数据说话：路由和安全分类用决策模型，中位速度快 7-8 倍 — randal_olson · 2026-10-16
- Perplexity 开源安全沙箱 SPACE，联手 CoreWeave 推 agent 推理平台 — AravSrinivas · 2026-10-16
- 决策模型 vs LLM：知识推理 LLM 胜，路由审核平手且前者更快 — randal_olson · 2026-10-16
- Temporal Serverless Workers 登陆 Cloud Run:按任务队列自动伸缩、可缩至零 — rseroter · 2026-10-16
- Meta 超智能实验室 200+ 直接汇报,扁平组织移植到 AI Agent 设计 — peterjliu · 2026-10-16
- LangChain CEO:最有趣的 agent harness 工作在 harness 与基建交界处 — hwchase17 · 2026-10-16