AutoWorldModel-Bench, Kodlama Aracılarının Dünya Modellerini İyileştirip Geliştiremeyeceğini Test Ediyor
Yeni bir arXiv ön baskısı, kodlama aracılarını sekiz oyun ortamında açık uçlu dünya modeli araştırmacıları olarak değerlendirmek için bir kıyaslama sunuyor ve 64 oturumun 63'ünde iyileştirmeler rapor ediyor.