研究人员推出Gym-Anything-RT,一个旨在评估视觉语言AI代理实时交互能力的新框架。该系统构建了视觉小游戏,要求代理在不断变化的环境中进行感知和行动,模拟电子游戏或物理设备操作等场景。初步评估显示存在显著的性能差距,像GPT-6 Astra (xHigh)这样的先进代理在实时游戏中仅达到9.0%的通过率,而在环境暂停时,这一比率会急剧上升至75.0%。 AI
影响 凸显了当前AI代理在动态、实时环境中运行能力的重大局限性,表明需要新的架构和训练范式。
排序理由 该集群是关于一篇介绍AI代理评估框架和基准的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →