MNIST-PRO：将手写数字识别改造成部分可观测智能体环境

研究团队推出了基准测试 MNIST-PRO，将经典手写数字识别任务改造为局部可观测的主动感知环境，用以系统评估 AI 智能体在受限视野下的工作记忆与状态构建能力。

• 现有多模态感知基准往往混合了复杂的物理仿真与控制链路，难以单独解耦并衡量智能体主动感知与感知状态维持的核心能力。
• MNIST-PRO 通过带回溯限制的序列化窥视任务隔离感知环节，并在原始视觉历史、文本状态、结构化网格地图与综合视觉画布四种记忆表征下测试了 10 种多模态模型。
• 实验表明模型在全局可见时表现优异，但在部分可观测条件下出现显著性能滑坡，暴露出整合碎片化信息困难、未看完全部序列即过早终止探索，以及面对后续矛盾证据时难以修正早期错误信念三大瓶颈。
• 影响/看点：该基准表明单纯提升单步视觉感知不足以支撑复杂智能体推理，构建并动态更新稳健的工作记忆状态可能是未来具身决策模型优化的关键前提。
• 资料依据：
• arXiv（2026-08-31）：https://arxiv.org/abs/2608.31022
• Hugging Face Daily Papers（2026-08-31）：https://huggingface.co/papers/2608.31022

本内容由 AI 生成，仅供参考，请注意甄别