Meta 预览 WildArtifactBench：用人类与智能体偏好 Elo 评估多模态产物

Meta 预览内部评测框架 WildArtifactBench，用人类与智能体偏好裁判的胜率与 Elo，而不是严格标准答案，来衡量复杂真实任务上的多模态智能体。官方先公开 10 道任务，并放出 Cat Mesh、Plywood Whale 等产物页，覆盖跨格式交付物。对要评估“能不能交出能用的网页、模型、设计稿”而非选择题的团队，这补上了以产物质量为主、允许开放式输出的评测缺口。