PulseAugur
中
实时 07:25:35
实体 PACE-Bench

PACE-Bench

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

Show in brief
总计 · 30天
0
90 天内 1
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 1 条
  1. RESEARCH · CL_200211 ·

    新基准测试挑战 LLM 在物理适应和动画生成方面的能力

    引入了两个新基准测试 PACE-Bench 和 SimuScene,用于评估大型语言模型在动态和受物理学启发的环境中的能力。PACE-Bench 侧重于在不断变化的环境中通过代码演化进行物理适应性测试,其中 GPT-5.5 在一个子集上取得了 66.7% 的成功率。SimuScene 专门针对受物理学启发的动画的代码生成,即使是顶尖模型也难以应对,表现最好的模型准确率仅为 21.5%。研究人员正在探索模拟器为基础的反射和带有视觉奖励的…