一个名为Video2World的新基准已被开发出来,用于评估编码代理从具身视频创建交互式模拟器的能力。该基准包含来自189个视频的222个重建实例,评估几何保真度、动态保真度和功能正确性。早期评估显示,引入Claude Opus 5后,任务成功率显著提高,从低于5%提高到15%以上,但与人工辅助重建仍有差距。研究还指出,重建中视觉保真度的提高并不总是与更高的任务成功率相关。 AI
影响 该基准可以加速能够从真实世界数据自主创建交互式模拟的AI代理的开发。
排序理由 该集群描述了一篇介绍AI代理评估基准的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- Claude Opus 5
- DagsHub
- Gotit.pub
- Hugging Face
- Jinzhou Tang
- ScienceCast
- Video2World
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →