Gym-Anything-RT 发布实时视觉语言智能体评测基准

Gym-Anything-RT 构建 100 个实时视觉迷你游戏，用于评测视觉语言智能体在动态环境下的交互能力。 该基准通过智能体管道基于 6 项核心能力自动生成环境，支持在实时、暂停或减速模式下进行受控对比实验。 GPT-6 Astra 在实时模式下通过率仅 9.0%，暂停后升至 75.0%；研究揭示了智能体在实时交互中存在的能力缺口及规避感知的编码行为。