HF Daily Papers·· 5 天前精选AI 评分43
Dual Exam 对多模态智能体与世界模型开展受控评测
Dual Exam: Controlled Evaluation of Multimodal Agents and World Models
AI 导读
Dual Exam 分别在固定环境响应机制和固定动作干预下评测多模态智能体与世界模型，覆盖物理、数字、社会和科学领域。
推荐理由
Dual Exam 将智能体与世界模型分轨评测，并报告耦合试验任务成功数为 0 及任务相关状态保持问题。
来源：HF Daily Papers · huggingface.co