arXiv cs.AI● مؤكد معيار جديد يختبر قدرة نماذج البرمجة على البحث المفتوح في نمذجة العالم قدم باحثون معيار AutoWorldModel-Bench الذي يقيّم قدرة الوكلاء المبرمجين على تحسين نماذج العالم ذاتيًا ضمن ميزانية حوسبة ثابتة. في 64 جلسة، نجح Codex-5.4 وClaude Opus 4.6 في تحسين النموذج الأولي في 63 جلسة، وكان 91% من التعديلات الفائزة من نوع البحث غير التقليدي لا مجرد ضبط معاملات. لماذا يهم: لأنه يوسع نطاق تقييم الذكاء الاصطناعي من تنفيذ مهام هندسية محددة إلى أبحاث مفتوحة غير محددة الاتجاه. اقرأ الخبر ← · 👍 👎 |