近日，研究团队推出开创性基准平台World-in-World，这是首个专门针对闭环交互环境设计的开放评测框架。该平台突破传统世界模型仅关注视觉保真度的局限，将评估核心转向具身智能体在动态环境中的任务完成能力。通过构...

据英国《金融时报》科技记者Cristina Criddle独家报道，埃隆·马斯克旗下人工智能公司xAI正在秘密推进世界模型（World Models）的研发，该技术将重点应用于游戏与机器人两大领域。为加速技术突破，xAI已从英伟达成功...

Meta公司最新推出了名为CWM（Code World Model）的开源大语言模型，该模型参数量达320亿，采用仅解码器架构。其创新之处在于训练数据融合了代码执行轨迹与复杂推理任务，旨在构建能够理解代码动态执行过程的‘世界模...

谷歌最新发布的Gemini 2.5模型在机器人技术和具身智能领域实现了重要突破。该模型通过增强的编码能力、推理能力和多模态处理能力，特别是基于空间理解的技术创新，为开发者提供了强大的工具。开发者可利用Gemini 2.5...

Meta近日正式推出V-JEPA 2视觉世界模型，该技术突破性实现了AI代理对物理环境的动态推理能力。作为Yann LeCun团队世界模型研究的最新成果，V-JEPA 2通过自监督学习架构，使AI系统能够基于视频输入预测物理交互结果。...

Hugging Face最新发布的ScreenSuite是一款专为评估视觉语言模型（Vision-Language Models, VLMs）在图形用户界面（GUI）智能体任务中表现而设计的基准测试套件。该工具通过提供标准化的评估框架，填补了当前多模态模...

InteractVLM作为新一代视觉语言模型(VLM)，实现了从2D到3D的交互推理跨越。该模型通过创新性地利用强大的基础模型，结合多视角渲染技术，将2D推理能力提升至3D空间，能够精准分析人类与物体在三维环境中的接触关系。...

近日，EmbodiedEval作为一种全面且交互式的基准测试工具正式亮相，旨在评估多模态大语言模型（MLLMs）在具身任务中的表现。具身任务是指模型需要在物理环境中执行具体操作的任务，这对模型的感知、推理和执行能力提...