연구진은 시각 세계 모델 평가의 신뢰성을 높이기 위해 HarnessEval-W라는 새로운 에이전트 기반 평가 파이프라인을 개발했어요.
HarnessEval-W는 기존 벤치마크와 달리 평가 결과에 대한 추론 과정을 투명하게 제시하고, 복잡한 평가를 여러 하위 작업으로 분해하여 전문화된 에이전트들이 협업하도록 설계됐어요.
연구 결과, HarnessEval-W는 인간의 선호도와 일치하는 평가를 제공하며, 생성된 결과물의 상세한 진단 정보를 제공하여 세계 모델의 발전에 기여할 것으로 기대돼요.