অটোওয়ার্ল্ডমডেল-বেঞ্চ পরীক্ষা করে যে কোডিং এজেন্ট বিশ্ব মডেলগুলিকে উন্নত করতে পারে কিনা
একটি নতুন arXiv প্রিপ্রিন্ট আটটি গেম পরিবেশে ওপেন-এন্ডেড ওয়ার্ল্ড-মডেল গবেষক হিসাবে কোডিং এজেন্টদের মূল্যায়ন করার জন্য একটি বেঞ্চমার্ক প্রবর্তন করে, 64টির মধ্যে 63টি সেশনে উন্নতির প্রতিবেদন করে।