Ego2World：将第一人称烹饪视频编译为用于信念状态规划的可执行世界

Ego2World 评测基准将标注的第一人称烹饪视频编译为部分可观测下的可执行规划环境，用于测试 AI 智能体的动作执行与结果。在 105 个任务上评测 6 个规划器发现，被接受的操作常未达成任务目标。配对 Qwen-Plus 研究显示，持久信念使动作有效性提升 4.15 个百分点、视觉查询减少 90.27%，但 token 消耗更高且未带来完成率提升。