实体 DishwasherBench

DishwasherBench

PulseAugur coverage of DishwasherBench — every cluster mentioning DishwasherBench across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

0

90 天内 0

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

RESEARCH · CL_296729 · Oct 13 · 08:24

新基准测试 AI 模型在洗碗机装载任务上的能力

DishwasherBench 是一个新游戏和基准测试，旨在测试尖端 AI 模型在模拟真实世界任务中的能力。该游戏由 Composo 开发，涉及使用刚体物理加载 Bosch 洗碗机的 3D 模型，然后模拟洗涤周期以评估装载的清洁度。该基准测试可在浏览器中玩，也可通过 API 供 AI 代理访问，初步测试涉及三个级别、六个回合，使用了两个模型。