Benchmark centrado en estado para automatizar la investigación de modelos de mundo | Cómo evaluar de forma estandarizada la capacidad de los modelos de mundo | Plataforma para acelerar el desarrollo automático de modelos de mundo de agentes

Abstract

PROBLEMA: la investigación en modelos de mundo carece de un benchmark estandarizado y centrado en el estado que permita comparar de forma reproducible los avances, dificultando la automatización del ciclo de investigación y desarrollo. SOLUCIÓN: AutoWorldModel-Bench introduce un benchmark state-centric diseñado para evaluar automáticamente la calidad de los modelos de mundo, usando los estados del entorno como unidad central de medida en lugar de métricas puramente perceptuales. METODOLOGÍA: define entornos, protocolos y métricas centradas en el estado que automatizan tanto el entrenamiento como la evaluación, reduciendo la intervención humana en el pipeline experimental. RESULTADOS: permite comparaciones reproducibles entre modelos de mundo y agiliza la iteración experimental, ofreciendo una referencia común para medir progreso. RELEVANCIA: proporciona una infraestructura de evaluación clave para avanzar en modelos de mundo y en sistemas predictivos de estados, beneficiando a agentes, robótica y planeación.