GlobeBench文本世界模型基准发布
热点事件持续更新
GlobeBench文本世界模型基准发布
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Nicholas Saban等作者提出并发布GlobeBench，一个包含1,632个任务、覆盖五个领域和十九项模拟技能的文本世界模型基准，用于检验模型能否根据完整智能体轨迹预测环境对特定动作的响应。 在20个通用LLM和专用文本世界模型中，GPT-6 Astra任务成功率最高，为49.57%；当动作影响需传播到依赖对象时，20个模型平均成功率降至5.1%，另有631个任务无任何模型解决。
AI 根据报道生成 · 1 小时前更新
最新进展10月19日 12:00
GlobeBench：评估文本世界模型的可扩展环境模拟能力报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv cs.AIGlobeBench：评估文本世界模型的可扩展环境模拟能力
GlobeBench 是一个包含 1,632 个任务、覆盖五个领域和十九项模拟技能的文本世界模型基准，用于检验模型能否根据完整智能体轨迹预测环境对特定动作的响应。在 20 个通用 LLM 和专用文本世界模型中，GPT-6 Astra 任务成功率最高，为 49.57%；当动作影响需传播到依赖对象时，20 个模型平均成功率降至 5.1%，另有 631 个任务无任何模型解决。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。