AGI Maze는 LLM 에이전트가 외부 세계의 지속적·조작 가능한 표현(월드 모델)을 실제로 형성하는지 시험하는 경량 벤치마크 프레임워크다. 고차원 감각 입력 없이 부분 관측·상태 유지·은닉 상태 가설이 필요한 격자 미로 과제군을 깔끔한 API와 여러 난이도로 제공한다. 초기 평가에서 바닐라 LLM들은 추론 시점에 미로를 내부적으로 표현하지 못해 실패했고, 메시지 히스토리를 작업 기억으로 쓰는 베이스라인 에이전트도 성능은 개선되지만 인간에게 충분한 스텝 예산 내에서 작은 미로조차 안정적으로 풀지 못했다. 텍스트에서 '추론'처럼 보이는 능력이 상태 있는 환경에서는 크게 약해진다는 점을 드러내, 다음 토큰 예측과 진짜 월드 모델링 사이의 간극을 측정하는 도구를 제공한다.

• •고차원 센서 입력 없이 부분 관측·상태 유지 환경을 만드는 경량 그리드 미로 벤치마크 프레임워크
• •관찰에서 규칙만 추론하는 게 아니라 월드 상태 표현을 학습·활용해야 하는 과제 설계
• •바닐라 LLM들은 추론 시점에 미로를 내부 표현하지 못해 실패
• •메시지 히스토리를 작업 기억으로 쓰는 베이스라인도 작은 미로를 인간 수준 스텝 예산 내 안정적으로 해결 못함
• •텍스트 추론과 상태 있는 환경의 월드 모델링 사이 간극을 측정하는 도구 제공