Realtime-Bench 发布：最强模型也只有 36% 任务能可靠完成
ChengleiSi · x · 2026-10-24
jiaxinpei 团队发布 Realtime-Bench，一个系统性评测模型「实时思考与行动」能力的精选基准，同时覆盖原生实时模型和通用 VLM。动机是大量任务——打游戏到抢演唱会门票——要求实时交互决策。结果显示前沿模型表现不佳：最好的模型也只有 36% 的任务能可靠完成，暴露出实时交互能力与离线能力之间的巨大差距。
所属事件:Realtime-Bench 发布：最强模型仅能可靠完成 36% 实时任务(2 条相关)→
「研究」频道最新
- .alignment.org 评测金丝雀字符串被指更像博尔赫斯式护身符 — tszzl · 2026-10-24
- Victor Taelin:AI 让证明成本骤降,形式化验证正迎来爆发 — pwlot · 2026-10-24
- DeepSeek-AI 携手北大发论文：提出「上下文范式」统一时空可组合性 — akbirthko · 2026-10-24
- Simular Agent S4 让开源 27B 模型在 OSWorld V2 上超越 GPT-5.5 — xwang_lk · 2026-10-24
- 前 OpenAI 成员 Yaroslav Bulatov:该抛弃反向传播了,瓶颈是内存墙 — yaroslavvb · 2026-10-24
- UBC NLP 在 EMNLP 2026 收获 21 篇论文，覆盖文化、RAG 与智能体 — mageed · 2026-10-24