Presentando WM Bench: Un benchmark para la inteligencia cognitiva en modelos del mundo

El equipo de FINAL-Bench ha introducido WM Bench, un benchmark diseñado para evaluar la verdadera comprensión cognitiva de los modelos del mundo, más allá de métricas como FID o FVD que solo miden realismo visual. Evalúa tres pilares: percepción (25%), cognición (45%, con categorías innovadoras como escalada emocional autónoma y memoria contextual) y encarnación (30%), a través de 100 escenarios en formato JSON simple. Incluye un dataset abierto en Hugging Face, un leaderboard donde PROMETHEUS v1.0 lidera con 726 puntos, y una demo interactiva. Este lanzamiento busca fomentar el debate y mejora en la evaluación de inteligencia encarnada en IA.