HarnessEval-W: Agentifying the Evaluation of Visual Worlds

• 类型：arxiv
• 标识：2608.16859
• 链接：https://arxiv.org/abs/2608.16859
• 主分类：evaluation
• 形态：benchmark
• 被引：0
• 被引来源：Semantic Scholar
• S2被引：0
• 影响力被引：0
• TLDR：This work introduces HarnessEval-W, an agentified evaluation pipeline that brings the harness paradigm from the LLM ecosystem to world model benchmarking, and applies HarnessEval-W to 18 representative world models over 330 evaluation cases.
• 待LLM分类：否
• 标题中文：HarnessEval-W：将视觉世界模型的评估 Agent 化
• TLDR中文：提出 HarnessEval-W，一个 agentified 的评估 pipeline，将 LLM 生态中的 harness 范式引入 world model 基准测试，并在 330 个评估用例上对 18 个代表性 world model 进行了评估。
• 来源文件：
• /inbox/tom/_candidates/2026-08-18-agent-rag-longcontext-candidates.json
• [S2 enrich]