Платформа SimLife и бенчмарк SimLife-BP для понимания длительных паттернов (arXiv:2609.19610v1)
В статье (arXiv:2609.19610v1) представлен SimLife — масштабируемый симулятор длительной бытовой жизни с богатыми визуальными наблюдениями, журналами действий и синтетической аудиодиалоговой разметкой, а также бенчмарк SimLife-BP для долгоконтекстного понимания паттернов: 106 эпизодов (в среднем 15,49 часа, 38,57 игровых дней) и 1 439 пар вопрос‑ответ. Оценка показывает, что современные модели часто ограничиваются поверхностными предсказаниями, опираются на частотные эвристики вместо условной логики и плохо адаптируются при изменении поведения, что указывает на пробелы в долгосрочном рассуждении для воплощённых агентов.