行业与实践 · 标签「视觉规划」

研究与基准测试/2026-10-25/20 分钟

DuoCook：订单只完成两成六，共享笔记本还把模型拆成两派

UBC 与 UCSD 用编码智能体在 Unreal 里造了 20 张 Overcooked 风格厨房，让一个视觉语言模型同时指挥两名玩家。最强的 gpt-6-astra 平均只完成 26.2% 的订单。共享笔记本让 Claude 和 Qwen 加分，GPT 和 Gemini 反而下降。