Hugging Face发布ExeWorldBench：首个代码驱动的可执行3D世界建模基准测试

摘要：Hugging Face推出ExeWorldBench，这是首个专门用于评估代码驱动的可执行3D世界建模能力的基准测试。该基准测试通过三个逐步提升难度的任务——机制可执行性、组合可执行性和目标驱动的可执行世界构建——全面评估模型在理解世界结构、推理因果关系以及生成可执行代码方面的能力。实验结果表明，现有模型在可执行世界建模方面存在显著不足，为未来开发更符合物理规律和因果一致性的世界构建系统提供了重要参考。

---

1. 背景与动机

随着人工智能技术的发展，智能体正从单纯模拟世界外观转向构建可执行的世界模型，这要求模型不仅理解世界的结构与机制，还要能够生成可执行的代码来模拟物理交互。然而，现有的基准测试主要集中在物理推理、视觉逼真度或行为正确性等单一维度上，缺乏对上述能力的综合评估。

2. ExeWorldBench 的核心机制

ExeWorldBench 通过以下三个任务对模型进行评估：

1. 机制可执行性（Mechanism Executability）：评估模型从视觉观察中生成单个机制的可执行代码的能力。
2. 组合可执行性（Compositional Executability）：测试模型在处理具有空间、机械和因果依赖性的多阶段系统时的表现。
3. 目标驱动的可执行世界构建（Intent-Driven Executable World Synthesis）：要求模型根据高级目标和物理约束构建可执行的世界模型。

3. 实验结果与发现

在多个前沿模型上的实验表明，现有模型在可执行世界建模方面存在显著不足：

• 机制可执行性：模型在处理复杂机制时表现不佳，难以生成精确的物理交互代码。
• 组合可执行性：模型在处理多阶段系统时容易出现错误，尤其是在处理复杂的因果关系时。
• 目标驱动的可执行世界构建：模型在根据高级目标生成可执行代码时表现不稳定，难以同时满足物理约束和目标需求。

4. 未来展望

ExeWorldBench 的推出为可执行世界建模领域提供了新的评估标准，并为模型开发指明了方向。未来研究应着重于提升模型在以下方面的能力：

• 物理规律的理解与推理：增强模型对物理机制和因果关系的理解。
• 代码生成的精确性：提高模型生成可执行代码的准确性和可靠性。
• 多模态融合：加强视觉、结构和代码生成能力的融合，以实现更高效的世界建模。

5. 工程建议

对于开发者而言，ExeWorldBench 提供了一个强大的工具来评估和改进可执行世界建模模型。建议在以下方面进行优化：

• 数据增强：使用更丰富的物理模拟数据来训练模型。
• 模块化设计：将模型分解为多个子模块，每个子模块专注于特定的物理机制或任务。
• 强化学习与监督学习结合：结合强化学习与监督学习，以提升模型在复杂任务中的表现。

---

消息来源：Hugging Face Daily Papers (2026-10-10)

—— 完 ——

主题标签： #Hugging Face 关注 #ExeWorldBench 关注 #3D建模 关注 #代码生成 关注 #基准测试 关注