InteractiveWorld 让 AI 助手在模拟环境中指导一个会观察、理解并独立行动的人类代理，检验多轮建议如何影响后续结果。
配套 InteractiveBench 包含 120 项任务。作者发现，前沿多模态模型在长流程指导和规划中仍有明显不足；该环境是可验证的研究工具，并不等于已经证明可穿戴助手在真实场景中可靠。
InteractiveWorld 测试 AI 能否指导人完成实物任务
InteractiveWorld 让 AI 助手在模拟环境中指导一个会观察、理解并独立行动的人类代理，检验多轮建议如何影响后续结果。