DualExam：一组模型150次全败，诊断Agent与世界模型交互失败

DualExam 通过固定环境响应或动作干预，分别考察 Agent 与世界模型两端，一组指定搭配在 150 例中零成功。该结果仅适用于特定搭配与预算，观察到的状态偏差不能直接证明每次失败都由同一组件造成，错误可能跨步骤累积，纠正响应不等于修复成功。