研究人员推出 DexHoldem,一个旨在评估具身AI系统在真实世界灵巧操作任务中表现的新基准,特别是在德州扑克场景下。该基准包含一套全面的演示,共计1,470个,涵盖14种操作原语,一个标准化的物理策略基准,以及一个代理感知基准。初步结果显示,$\pi_{0.5}$策略在原语执行任务完成率方面达到最高,为61.2%,而Opus 5.5在代理感知准确性方面以微弱优势领先。 AI
影响 该基准有望加速开发更强大的具身AI代理,以应对复杂、真实的现实世界任务。
排序理由 该集群描述了一个新的AI研究学术基准。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →