新基准用子代理透明评估世界模型

转推 @HuggingPapers: HarnessEval-W：视觉世界评估的Agent化

一个新基准，将harness范式引入世界模型评估，使用专门子代理为每个评分生成透明、可审计的推理链。 https://t.co/MHid0K39UU