VLM 模拟评测排名与真实任务一致，Spearman ρ≥0.63 验证环境有效性

Andrew Perrault 透露，团队在部分任务上将 VLM 在模拟评测环境中的表现与同一任务的真实世界数据做了对比，确认模型排名可以迁移（Spearman ρ ≥ 0.63）。这说明模拟环境确实捕捉到了决定任务对模型难易的关键因素，为「用仿真环境评测模型」提供了实证支持。