Meta 推出 InteractiveWorld 環境與 InteractiveBench 基準，測試互動式 MLLM 助理
Meta 提出首個可驗證的人類中心互動環境 InteractiveWorld 及動態基準 InteractiveBench，實驗顯示包括 Claude Fable 5.1 在內的 12 個前沿多模態大型語言模型，在長程任務表現仍遠低於可靠標準。
本文重點
- Meta 推出 InteractiveWorld 環境與 InteractiveBench 基準。
- 測試 12 個模型，Claude Fable 5.1 長程任務得分僅 20%。
- 前沿 MLLM 在長程任務表現仍遠低於可靠標準。
- 本站上線
- 2026/10/27 下午04:21
- 首次報導
- 2026/10/25 上午08:00
- 最早來源發布
- 2026/10/25 上午08:00
研究在做什麼
Meta 提出 InteractiveWorld，這是首個用於人類與 AI 助理閉環互動的可驗證環境。現有測試多依賴昂貴且稀缺的真實人類互動資料，難以回答當今多模態大型語言模型（MLLM，能同時處理文字與影像的模型）是否真能協助物理世界中的使用者。InteractiveWorld 不同於以機器人為中心的模擬器，它讓助理指導一個觀察場景、理解指令並獨立行動的人類代理，真實模擬助理下指令、人類執行、環境更新視覺資訊的協作過程。 Hugging Face 每日精選論文
方法
研究團隊基於 InteractiveWorld 推出 InteractiveBench，這是首個針對自我中心（egocentric，以使用者視角觀察）AI 助理的動態基準。該基準包含 120 個多輪任務，涵蓋六大類別。在每個任務中，助理需即時指導人類，每一條指令都會影響最終結果，並透過可驗證的、基於狀態的獎勵進行評分。 Hugging Face 每日精選論文
結果
實驗測試了 12 個前沿 MLLM，結果顯示它們距離成為可靠的助理仍有很大差距。得分最高的模型 Claude Fable 5.1，在長程的「指導」（Guidance）任務中最高僅達到 20%，在「規劃」（Planning）任務中最高僅達到 25%。 Hugging Face 每日精選論文
程式碼與資料
本站 2026-10-27 整理（資料來自 Hugging Face 論文頁與 GitHub，由程式查詢，不經模型撰寫）：
- 研究機構（Hugging Face 標示）：Meta
- 程式碼：facebookresearch/InteractiveWorld｜9 顆星｜最後更新 2026-10-27｜授權 未標示
- 專案網頁：https://meta-interactiveworld.github.io/
- 模型與資料集：Hugging Face 上沒有連結到這篇論文的公開模型或資料集
來源：佐證 1 筆
媒體轉述新聞媒體的報導
- Hugging Face 每日精選論文 · InteractiveWorld: A Verifiable Human-Centric Environment for Building Better Interactive MLLM Assistants10/25 上午08:00
這篇對你有用嗎？
留言 0
- 還沒有留言，第一則就是你的。
留言不用登入；名字選填，沒填就顯示「匿名會員」。含連結或疑似廣告的留言會先經編輯確認；檢舉達 3 次的留言會自動隱藏。隱私政策
發現錯誤？
回報會進入待處理清單；核實後更正，並在文中註記更正紀錄。