Craftax是一个用于开放式强化学习的高速基准数据集，由牛津大学开发。该数据集包含22个独特的成就，旨在评估算法在复杂、开放式环境中的性能。数据集通过GitHub提供，允许研究人员在有限的计算资源下进行实验。Craftax通过引入NetHack风格的机制扩展了Crafter的机制，要求深度探索、长期规划和记忆，以及对新情况的持续适应。

arXiv2024-02-27 更新110

WorldArena

体现世界模型

基准测试

WorldArena是一个统一的基准测试，旨在系统地评估体现世界模型在感知和功能维度上的表现。它通过（1）视频感知质量，使用六个子维度的十六个指标进行测量；（2）体现任务功能，评估世界模型作为合成数据引擎、策略评估器和行动规划器的能力；（3）人类评估，包括整体质量、物理遵循、指令遵循和头对头胜率。此外，还提出了EWMScore，一个将多维性能整合为单个可解释指数的整体指标。这项工作为跟踪体现AI中

github2026-02-27 更新550

International land Model Benchmarking (ILAMB) Package v001.00

陆地模型

基准测试

As a contribution to International Land Model Benchmarking (ILAMB) Project, we are providing new analysis approaches, benchmarking tools, and science leadership. The goal of ILAMB is to assess and imp

DataCite Commons2021-07-15 更新110

List of individual tools benchmarked, included in, and/or compared to iPHoP.

资源简介：

相关数据集