Patronus 开源 GlobeBench:1632 个任务测 LLM 能否模拟 RL 环境
teortaxesTex · x · 2026-11-06
Patronus AI 开源了新评测基准 GlobeBench，包含 1632 个任务，测试 LLM 能否足够逼真地模拟强化学习（RL）环境、用于训练智能体。结果显示头部模型 GPT-6 Astra 仅答对 49.6%，其余 20 个受测模型无一超过 30%。转发者 teortaxesTex 指出，这是一个尚未被'刷榜化'的良好评测，能真实反映新模型的进步幅度。
「研究」频道最新
- Solv3R 新玩法：1.5GB 显存重建 128 张照片的完整场景 — taiyasaki · 2026-11-06
- Wayve 揭示 Learned Safety Envelope：让安全成为学出来的能力而非外挂检查器 — alexgkendall · 2026-11-06
- CliqueFlowmer 用 AI 设计材料：上传即可优化并生成新候选 — pabbeel · 2026-11-06
- MOSAIC 智能体群自主发现分数陈绝缘体能隙超理想量子几何 10 倍增强 — BenBlaiszik · 2026-11-06
- 从愿景到现实:30 年后 Lean 真正实现了「代码附证明」 — Sanity · 2026-11-06
- 哈佛/NVIDIA 等发布 RAX：冻结模型权重，靠技能库让机器人成功率 26%→94% — jiqizhixin · 2026-11-06