Dual Exam评测多模态智能体与世界模型

港科大牵头、联合港大、新加坡国立大学、CMU和斯坦福等机构发布 Dual Exam 基准，将多模态智能体与世界模型分开评测，以检验智能体是否真正具备内含的世界模型能力。 覆盖多个领域的初步测试显示，两类模型表现不均衡，能力也不呈明显耦合：一个模型表现较强，并不意味着另一类任务上的能力也强。该基准因此可用于分别衡量两类模型，而非用智能体成绩直接推断其世界模型能力。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。