**超越当前观测：评估多模态大语言模型在可控非马尔可夫游戏中的表现**

_Beyond the Current Observation: Evaluating Multimodal Large Language Models in Controllable Non-Markov Games_

> 本文提出RNG-Bench基准，用于隔离多模态大语言模型在非马尔可夫环境中回忆并利用过去观测的能力。包含配对记忆和3D迷宫两个游戏，通过网格大小、视觉模式和观测模态三维度控制难度。引入头对头对决协议和记忆差距指标，发现前沿模型在最难配置（需128K上下文和350张图像）下仍远未饱和，遗忘是主要错误来源。用最优策略数据微调Qwen3.5-9B可提升性能，且不损害通用多模态能力。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-18 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.19338)