يقوم AutoWorldModel-Bench باختبار ما إذا كان وكلاء البرمجة يمكنهم تحسين النماذج العالمية
تقدم نسخة أولية جديدة من arXiv معيارًا لتقييم وكلاء الترميز كباحثين في نموذج عالمي مفتوح العضوية عبر ثماني بيئات ألعاب، مع الإبلاغ عن التحسينات في 63 جلسة من أصل 64 جلسة.