Le filThèmes : ÉvaluationsAgentsRecherche
IGMBench évalue l’édition de mondes exécutables par des agents de code sur Minecraft et Terraria
1 sourcemis à jour il y a 1 jpertinence 3,3 sur5
L’essentiel
IGMBench compte 110 tâches. La meilleure configuration d’agent en résout 78,2 % selon le critère strict par tâche, et 94,8 % selon les critères individuels. La fiabilité baisse avec la profondeur d’intervention.
Propagation1 article, publié par HF Daily Papers le 6 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceMax Ku, Nok-Kan Law, Yu-Chien Tang et al.huggingface.co
World Editing: Intervening on Executable Worlds at Increasing Depth (site externe)
Interactive world models are increasingly capable of generating environments and acting within them, yet deliberately editing an existing executable world remains underexplored.
Sur les mêmes thèmes
Agents
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Agents
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Agents
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
Évaluations
Des chercheurs suggèrent que les modèles de langage tendent à présenter par défaut des récits de succès
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5