新基准 PlayWorld 用 Agent 试玩评测世界模型长程目标

发布 PlayWorld 基准，用自主 Agent 试玩世界模型，评测其长程目标下的几何一致性与交互合理性。

世界模型（能预测视频下一帧的生成模型）该怎么测？港大、港中文、浙大和快手可灵团队提出新基准 PlayWorld：让 Agent 像真人一样“试玩”虚拟世界，观察绕房一周后场景是否一致、入水是否激起水花等长期目标。相比固定动作序列，它允许 Agent 根据实时观察调整操作，更接近真实使用。