★ 3
RealtimeBench 发布：评估实时环境下的 LLM 智能体
研究者提出 RealtimeBench，包含六类游戏共 180 项任务，用于在游戏持续运行、推理耗时的条件下评估 LLM 智能体。实验显示 GPT-6.1-sol 在暂停游戏时优于更快的 Jev，但游戏持续运行时反而落后。作者提出双时间尺度离线递归自我改进（TORSI），使 Jev 平均测试分从 …
arXiv cs.AI17 天前
#实时推理
共 3 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
RT-Safe 发布实时具身智能体安全基准
研究者提出 RT-SAFE，一个模拟城市环境下的具身智能体安全评测基准，允许世界在推理与执行过程中持续演化。测试 8 个视觉语言模型发现，任务完成率虽高达 94.1%，但实时执行使碰撞率增加 12.3 倍，最难场景仅 0.7% 无安全事故完成。该基准还可支持离线强化学习训练以降低碰撞率。
arXiv cs.AI25 天前
★ 3
1.3B开源世界模型LingBot-World 2.0单卡实时运行
轻量版世界模型 LingBot-World 2.0 开源，参数量仅 1.3B，可在单张显卡上实时运行。该模型降低了世界模型的部署门槛，使实时交互式环境模拟在消费级硬件上成为可能。对研究与中小团队而言，这类小体量世界模型有望推动更多实时仿真与智能体训练实验。
量子位52 天前