研究人员开发了ROSTrans,一个旨在评估大型语言模型(LLM)在将代码从机器人操作系统(ROS1)迁移到ROS2方面的性能的新基准测试。该基准测试包含108个任务,这些任务源自70多个开源ROS1存储库,并在接口、行为和系统级别评估正确性。对六个前沿LLM的初步评估显示成功率较低,许多生成的代码样本在运行时失败而非编译时失败。然而,执行引导修复提高了Claude Opus 4.6和GPT-5.5等模型的成功率。 AI
影响 该基准测试有望加速机器人软件工程领域LLM的开发和采用,提高代码迁移效率。
排序理由 该集群包含一篇学术论文,介绍了一个用于特定领域LLM性能的新基准测试。[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 →