RecodeX 重构消息,一项名为Mind2Act World的机器人基准测试显示,在将推理与执行合并考察的组合任务中,成功率仅为12%。该基准覆盖180种模拟配置。测试中表现最强的智能体在将推理与执行分开评估时得分更高,说明合并任务对现有系统构成明显挑战。