港大等团队发布 PlayWorld：用 AI Agent「试玩」评测世界模型长程目标

香港大学、香港中文大学、浙江大学与快手可灵团队提出世界模型评测基准 PlayWorld，用 Agent Player 操作模型完成长程目标，并已开源评测集和代码。该基准从几何一致性、交互保真度、视野外演化和视野内演化四个维度评测，共筛选 171 个样本、设计 820 余个问题。实验显示持续世界演化是最大瓶颈，SANA-WM 轨迹验证通过率达 80.4%，但四项 rubric 总体得分仅 1.48。