基准 AI

RSI-Exam评估语言模型代理是否可以通过持续的实验来改进可执行方法。它不是询问一次性答案或更改基础模型权重，而是测试客服代表在固定资源预算下诊断、修改和验证工作研究工件的能力。

每个任务都提供可执行基线和可见的开发环境。代理保存并测试候选版本，然后提交在密封环境中的隐藏集上不变地重新运行的代码。域本地指标通过固定评分定义进行映

GameWorld 是在交互式环境中评估游戏代理的基准。它旨在测试人工智能代理是否能够感知游戏状态、计划行动、遵循目标并适应动态反馈。该产品与具体人工智能、强化学习、计算机使用代理、游戏自动化和一般代理评估相关。

该基准可能提供游戏任务、观察空间、动作界面和代理表现的评分规则。技术评估应侧重于规划范围、行动有效性、状态理解、奖励设

RealRestorer 是一个专注于可推广的现实世界图像恢复的研究项目。它旨在改善在混乱、实际条件下捕获的降级图像，而不仅仅是干净的基准设置，这使得它与更现实的恢复用例相关。该项目以大规模图像编辑模型为中心，作为恢复质量和可转移性的基础。

该项目页面与论文、模型和演示链接一起展示了该工作，建议发布完整的研究版本，而不是独立的概念