提出FutureSim基准,通过按时间顺序回放真实新闻事件构建仿真环境,用于评估AI智能体在长周期动态场景中的事件预测与自适应能力,结果表明前沿模型在此类任务上性能差异显著并揭示了长期测试时适应的改进空间。
机构:Max Planck Institute
来源:arXiv 2605.15188 | AI4Papers 论文推荐平台