محققان بهتازگی ابزار جدیدی به نام WorldRoamBench معرفی کردهاند که گامی بزرگ برای ارزیابی واقعیِ «مدلهای جهانمجازی» (Interactive World Models) است.
مشکل اصلی مدلهای فعلی این است که در محیطهای تعاملی طولانیمدت، حافظه خود را از دست میدهند یا در رعایت قوانین فیزیک دچار خطا میشوند. این بنچمارک جدید با ۶۰۰ تست مختلف، هوش مصنوعی را در چهار بخش کلیدی به چالش میکشد:
✅ عملکرد: دقت در اجرای دستورات لحظهبهلحظه
✅ بینایی: جلوگیری از افت کیفیت تصویر در طول زمان
✅ فیزیک: رعایت قوانین طبیعت و تعاملات سهبعدی
✅ حافظه: توانایی به یادآوری جزئیات محیط و اشیاء
نتایج اولیه نشان میدهد که حتی بهترین مدلهای فعلی هم هنوز راه درازی برای رسیدن به پایداری کامل دارند. این دستاورد میتواند آیندهی ایجنتهای هوشمند در دنیای واقعی را متحول کند. 🤖✨
منبع: arXiv AI