Gym-Anything-RT：为视觉语言 Agent 扩展实时交互环境

论文关注视觉语言 Agent 在实时交互场景（如玩电子游戏、操作物理设备）中的表现，指出现有进展多集中在可充分思考的任务上。作者提出 Gym-Anything-RT，通过 agentic pipeline 依据实时交互所需的六类能力分类自动生成视觉小游戏环境，用于评测 Agent 在环境状态随推理或前向计算演化的条件下的感知与行动能力。摘要未披露具体评测结果与规模。

AI推荐理由 提出 Gym-Anything-RT，用 agentic pipeline 按六类实时交互能力自动生成视觉小游戏环境，用于评测视觉语言 Agent 在环境状态随推理或前向计算变化时的实时决策能力。新信息是评测环境构建方法与能力分类框架；局限是摘要未给出具体基准结果、环境规模或与现有实时基准的对比，实际有效性待验证。