MineExplorer：美团联合上交大开源的MLLM智能体开放世界标准化评测基准 MineExplorer 是美团 longcat 团队联合上海交通大学共同开源的Minecraft 开放世界大模型智能体评测基准，项目整体由仿真沙箱环境、自动任务生成流水线、标准化评测执行模块... 1天前 AI新闻 69
WBench：美团联合复旦开源的AI视频交互能力标准化评测基准 WBench是美团LongCat团队联合复旦大学开源的交互式视频世界模型专项评测基准，内置海量标准化测试案例与22项自动化评估指标，支持多轮交互、双视角与多种控制范式，可全方位... 1个月前 AI新闻 388
