**Dual Exam：多模态智能体与世界模型的受控评估框架及结果分析**

_Dual Exam: Controlled Evaluation of Multimodal Agents and World Models_

> 该研究提出了 Dual Exam 框架，用于独立评估多模态智能体（MAs）和世界模型（WMs）在物理、数字、社会及科学领域的表现。评估结果显示，GPT 6 Astra 在多模态智能体任务中表现最佳，而 GPT-Image-2 在世界模型整体覆盖度上领先。然而，初步的联合测试显示零成功率，表明当前组件难以有效协同，且无法保证任务相关状态的保持，未来的联合学习与预测能力仍需验证。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-26 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.31066)