interactive-environments

EvoPolicyGym 是一个基准测试，用于评估自主智能体如何通过交互环境中的反馈迭代改进策略，其中 GPT-5.5 取得了最佳性能。

本文系统综述了面向基于LLM的智能体的文本世界模型，涵盖基础、构建范式、在规划与训练中的应用以及评估方法。

WorldCraft扩展了交互式视频世界模型，通过专门的控制流水线，在保持相机导航能力的同时实现物体级别的轨迹控制。