待验证50% 置信事实精确时间

ARC-Bench提供了无泄漏、固定候选的测试协议，直接测量冻结的JEPA风格目标函数是否能正确排序候选动作

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/11

首次发现

有效期至：2026/12/10

来源

JEPA世界模型致命缺陷：动作排序失败被重规划掩盖

涉及实体

ARC-Benchproduct

相关事实

待验证研究团队开发了ARC-Bench基准测试，专门审计JEPA风格的世界模型是否能正确排序候选动作79% 相似待验证基准测试评估方法结合自动化指标(CLIP-Score、LPIPS、SSIM)和人工评价66% 相似待验证本次评估框架包含 ARC-AGI-V2、SWE-Bench、Terminal Bench 2.0、GPQA 和 MMLU 五项基准测试65% 相似待验证智能体评估基准测试套件包括GAIA、AgentBench和SWE-bench65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/895201

API

curl https://kongchang.com/api/v1/knowledge/claims/895201

MCP

get_claim(id=895201)