实体
DexHoldem
DexHoldem
PulseAugur coverage of DexHoldem — every cluster mentioning DexHoldem across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
时间线
- 2026-05-18 research_milestone Publication of a new benchmark for embodied AI systems. 来源
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的 DexHoldem 基准评估具身AI在真实扑克任务中的表现
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。
-
DexHoldem 基准测试具身 AI 在真实德州扑克中的表现
研究人员开发了 DexHoldem，这是一个用于评估具身 AI 系统在真实世界灵巧操作任务（特别是玩德州扑克）的新基准。该系统包括用于操作的 ShadowHand，一个包含 1,470 个演示的数据集，以及用于原始技能执行和代理感知的基准。初步测试显示不同模型的性能各异，Opus 4.7 在感知的严格问题级别准确性方面表现出色，而 GPT 5.5 在平均字段级别准确性方面领先，凸显了在闭环部署中将感知与策略相结合的挑战。