实体
FORCEBENCH
FORCEBENCH
PulseAugur coverage of FORCEBENCH — every cluster mentioning FORCEBENCH across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
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 2 条
-
ForceHarness 使冷冻AI模型能够利用力反馈控制机器人
研究人员开发了ForceHarness,一个新颖的系统,使冷冻的、仅限API的 frontier 模型能够利用接触力数据进行机器人操作任务。ForceHarness通过在模型下方闭合循环来解决快速力演变带来的挑战,并将原始力流转换为具有不确定性的可解释物理量。这种方法显著提高了GPT-6 Astra等模型在现实世界机器人任务上的零样本成功率,在新的基准测试中表现优于训练策略和专家控制器。
-
新基准测试 RAG 系统是否存在“引用洗白”
研究人员开发了一个名为 FORCEBENCH 的新基准,用于评估 cited RAG 系统的证据力校准。该基准解决了“引用洗白”问题,即使用相关来源来支持夸大的说法。FORCEBENCH 测试了评估者在来源材料主题相关的情况下,区分哪些说法得到了适当证据支持、哪些说法被夸大的能力。