阿里的那个所谓的lwm，agentworld，我真的不想说什么了，冲着benchmark去测试的，结果比qwen3.6差好多，那到底是trian啥了呢？不管是程序还是说调tool，或者谁告诉我应该咋测呢，连个超级玛丽都玩不了 ​