165 个生成世界实测:局部交互 83 分,有状态流程仅 30 分
nptacek · x · 2026-11-07
EinsiaAI 发布的世界模型运行时评测显示，「局部机制可用」不等于「可玩的世界」。对 165 个生成的世界进行运行时测试，各模型在 L3 开放世界上的得分都显著低于物体或场景层级：局部交互 83.08/100，运动避障 20.82/100，有状态工作流 30.26/100。结论：智能体能写出孤立的开关和门，但难以协调无碰撞移动、动作前置条件与跨环境持久状态。
「模型」频道最新
- Google DeepMind 工程师将在 AIE Code 峰会揭秘 Agent 大规模作弊基准测试 — jocarrasqueira · 2026-11-07
- OpenAI 发布 BioBasicsBench:百项真实任务考验 Agent 湿实验分析能力 — OpenAI · 2026-11-07
- SoMark 开源 1.3B 文档解析模型 OXR，三项基准登顶且布局模块可插拔 — pmttyji · 2026-11-07
- Tomo 发布首款模型 Dachi 1.0：主打陪伴对话，留存超 Opus — Jackyhuang · 2026-11-07
- Mistral Large 4 技术报告被做成可视化网页：1T 参数、52B 激活 — _AndrewZhao · 2026-11-07
- 17.6k 行数据、单卡 A100 花 5.5 美元微调出 Qwen3.5-4B 路由模型 — MaziyarPanahi · 2026-11-07