Ego2World:将第一视角烹饪视频编译为支持信念状态规划的可执行世界
将真实第一视角视频编译为可执行符号环境,用于评估大模型智能体的长程具身任务能力。
包含“llm agent”标签的内容
将真实第一视角视频编译为可执行符号环境,用于评估大模型智能体的长程具身任务能力。
基于 HD-EPIC 厨房视频构建的视频编译符号仿真环境与 belief-state planning benchmark。
融合 Graph-RAG、强化学习、Harness Engineering 与多智能体协作的法律问答智能体系统。