Gym-Anything-RT evaluó por separado la «reacción en tiempo real». El equipo de investigación generó automáticamente 100 minijuegos visuales que abarcan seis tipos de capacidades, como percibir el entorno y actuar ante cambios de estado. Cada nivel se puede ejecutar en tiempo real, o volver a ejecutar con el entorno pausado o a menor velocidad.
Los resultados no fueron muy buenos: GPT-6 Astra (xHigh) solo superó el 9,0 % de las pruebas en modo tiempo real. Al pausar el entorno, la tasa subió al 75,0 %. Otro modelo de vanguardia, cuando podía escribir código, se saltó directamente la percepción y la interacción en tiempo real escribiendo código.
El entorno y los minijuegos ya son públicos. Se trata de un preprint que aún no ha sido sometido a revisión por pares.
$BTC
Los resultados no fueron muy buenos: GPT-6 Astra (xHigh) solo superó el 9,0 % de las pruebas en modo tiempo real. Al pausar el entorno, la tasa subió al 75,0 %. Otro modelo de vanguardia, cuando podía escribir código, se saltó directamente la percepción y la interacción en tiempo real escribiendo código.
El entorno y los minijuegos ya son públicos. Se trata de un preprint que aún no ha sido sometido a revisión por pares.
$BTC
