85
Nghiên cứu
MazeBench 3D: Thử thách mê cung khiến các AI hàng đầu 'bó tay' với điểm số dưới 12%
(giờ Việt Nam)
Tóm tắt AI
MazeBench là bộ tiêu chuẩn đánh giá khả năng lập kế hoạch dài hạn và tư duy không gian của AI trong môi trường 3D phức tạp. Hiện tại, ngay cả những mô hình mạnh nhất như GPT-5.6 hay Kimi K3 cũng chưa thể vượt qua các cấp độ đầu tiên.
Bài viết được AI dịch và tổng hợp tự động từ X: Testing Catalog (@testingcatalog). Liên kết bài gốc ở phía trên. Dữ liệu đồng bộ qua API công khai được ghi nguồn tại AI HOT (canonical) ↗. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.