实体
PAWBench
PAWBench
PulseAugur coverage of PAWBench — every cluster mentioning PAWBench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新框架合成 64K 交互式环境用于 AI 代理训练
研究人员开发了 Cowork-Gym，一个旨在为训练 AI 代理合成交互式工作环境的框架。该系统使用构建-执行-修订循环来创建和验证这些环境，并包含一个通过对话和工作区编辑进行交互的用户模拟器。该框架已在 14 个场景中生成了超过 64,000 个环境，并用于微调不同大小（9B、27B 和 35B-A3B）的 Qwen 模型。这些微调后的模型在代理基准测试中表现出显著的改进，其中 27B 模型在 PAWBench 和 ClawEval…
-
新基准PAWBench揭示视频模型缺乏概率对齐
研究人员推出了PAWBench，一个旨在评估视频生成模型作为世界模型的新基准，重点关注它们重现可能行为分布的能力，而不仅仅是单个视频的可信度。随附的PAWEval协议将重复的视频生成转换为物理行为的经验分布。在十一个现有系统和50个场景中，没有模型表现出一致的概率对齐，这表明当前视频生成能力存在显著差距。