研究团队推出智能体规划评测基准DualWorldBench
Start here
2026年11月4日，研究团队在arXiv发表成果，推出用于评估AI智能体规划能力的评测基准DualWorldBench。该基准旨在测试智能体在时间、物理及多模态约束下的多目标配送规划水平。DualWorldBench围绕统一取送接口构建，由隔离符号规划的TextWorld、评估具身路径规划的SimWorld以及诊断套件DualWorld-VQA三个部分组成。实验结果显示，当前智能体难以将局部感知转化为全局可行的行动序列。目前，该评测基准的相关数据集和代码已全部开源。
AI-generated from reports · Updated 13 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 人工智能DualWorldBench：AI 智能体能否跨越符号与具身世界进行配送规划？
研究团队推出评测基准 DualWorldBench，用于评估 AI 智能体在时间、物理与多模态约束下的多目标配送规划能力。该基准围绕统一取送接口构建，由隔离符号规划的 TextWorld、评估具身路径规划的 SimWorld 和诊断套件 DualWorld-VQA 组成。实验发现智能体难以将局部感知转化为全局可行的行动序列，相关数据集和代码均已开源。
Story heat trend
Current heat 7·Comparable peak 10（Nov 4 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.