标签
介绍了 Long-Horizon-Terminal-Bench，这是一个包含46个长时程终端任务的基准，采用密集奖励评分，评估AI智能体在规划、长上下文和调试方面的能力。即使是最强模型也仅达到15.2%的pass@1，显示仍有很大的改进空间。
DR-MV3D 提出了一种基于地图的强化学习框架，通过密集奖励来改进多视角3D视觉问答能力，其核心包括全局地图构建、视角轨迹规划和自我中心定位。