实体
DuoBench
DuoBench
PulseAugur coverage of DuoBench — every cluster mentioning DuoBench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
DuoBench教程评估LLM规划器-实现器对的编码任务
一项新教程介绍了 DuoBench，一个旨在评估大型语言模型（LLM）规划器-实现器对性能的框架。该系统在编码任务上测试 Kimi K2.7、Kimi K2.6、GPT-5.5 和 Claude Opus 4.8 等模型。初步结果表明，虽然规划成本不高，但实现阶段会产生显著的代币成本，其中 Kimi K2.7 在质量和成本效益方面表现强劲。
-
新的基准和接口推动了双臂机器人操作的发展
研究人员推出了 DuoBench，这是一个用于评估双臂机器人操作的新框架，该框架在模拟和部分真实世界中实现。该基准包括十一个任务和一个新颖的评估方案，用于详细的故障分析，揭示了当前策略在复杂的双臂协调方面存在困难。另外，YUBI 接口已被开发出来，它具有一个可屈服的、由手指驱动的夹持器，旨在为双臂任务提供更直观和符合人体工程学的数据收集。与 UMI 等现有系统相比，YUBI 在灵活性和效率方面具有优势，能够创建一个大规模数据集，使策略…