Gym-Anything-RT 为视觉语言智能体扩展实时环境
Gym-Anything-RT 通过智能体流程自动生成100个实时视觉小游戏,用于评估视觉语言智能体的实时交互能力。原文报告,GPT-6 Astra (xHigh) 在实时小游戏上的通过率仅为9.0%,环境暂停后升至75.0%。作者还发现,部分前沿智能体在被允许写代码时会绕过实时感知与操作,并公开发布了该环境与生成的小游戏。
推荐理由:该研究把实时性从其他能力中单独拆出,可在同一小游戏上比较暂停前后的成绩,适合判断智能体的实时决策短板。