**首个可验证人机协作环境 InteractiveWorld 问世，揭示 MLLM 助手在物理世界中的可靠性严重不足**

_InteractiveWorld: A Verifiable Human-Centric Environment for Building Better Interactive MLLM Assistants_

> 针对多模态大语言模型（MLLM）作为眼动 AI 助手在物理世界中的可靠性存疑问题，研究团队提出了首个可验证的人机闭环交互环境 InteractiveWorld。该环境模拟了“助手指导、人类执行、环境反馈”的真实协作流程，并基于此构建了包含 120 个任务的动态基准测试 InteractiveBench。实验结果显示，即便是最强的模型（Claude Fable 5.1），在长程引导和规划任务上的成功率也仅分别为 20% 和 25%，表明当前 MLLM 助手距离真正可靠地辅助人类完成物理任务仍有巨大差距。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-27 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.33966)