HuggingFace Daily Papers·· 20 天前AI 评分51
Dual Exam 基准发布：分轨评测多模态智能体与世界模型
Dual Exam: Controlled Evaluation of Multimodal Agents and World Models
AI 导读
Dual Exam 基准将多模态智能体与世界模型分开评测：智能体轨在固定环境响应机制下比较 10 种配置、覆盖 1,088 个条目和 15 个报告类别，世界模型轨包含 8 个场景的 400 个案例。
来源：HuggingFace Daily Papers · huggingface.co