世界模型评估 LLM-DailyDigest 2026-08-30 2026-08-30 约 100 字 预计阅读 1 分钟 世界模型评估 本主题由提交工具自动创建,可在此补充洞察与资料。 相关消息(按子主题自动聚合) 世界模型评测 1 HarnessEval-W:智能体化视觉世界模型评测 08-19 交互式评测 1 PlayWorld:智能体玩家驱动的长程世界模型评测基准 08-15 概率对齐 1 PAWBench:概率对齐世界模型评测基准 08-29 模拟评测 1 WorldSimProbe:首个动作条件世界模型评测系统 08-24 评测编排 1 HarnessEval:以可执行 Harness 重构 Benchmark 08-19 长程智能体 1 英伟达 AVO 在 ARC-AGI-3 通关 183 关并获满分 08-23