Realtime-Bench：前沿模型能否解决实时交互问题

新基准显示前沿模型实时交互成功率最高仅44%。

资讯摘要

论文提出 Realtime-Bench，用于评测智能体在动态环境中受时间约束时的有效行动能力，而非仅看对话质量与流式感知。作者报告在按实际推理延迟推进环境的 Wall Clock 设置下，最佳成功率仅 44%，最佳 Pass^3 为 36%。研究还对比 Paused Clock 与按生成 token 数推进模拟时间的 Token Clock，发现时间成本限制成功，提高推理投入在时间压力下效果不一。

要点速读

1. 论文提出 Realtime-Bench，包含延迟行动会直接影响成败的动态任务。
2. Wall Clock 设置下最佳成功率 44%、最佳 Pass^3 为 36%。
3. 对比 Paused Clock 与 Token Clock，分离服务延迟与模型实时流式能力。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。