热点事件持续更新
Composo开源洗碗机装载基准DishwasherBench
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
10月13日，Composo开源DishwasherBench 0.1.0，以真实洗碗机的物理仿真测试大语言模型装载餐具的能力，支持人类在浏览器中游玩，也支持模型通过MCP操作。两个模型在三个关卡中完成六次正式仿真，两者在完整关卡的表现均超过谨慎脚本玩家，但现有记录不足以用于排名，且尚无人类基线。该仿真仅经过一次真实清洗校准，目前评分能判断装载情况及杯、锅等容器的朝向，尚不能可靠判断盘子与餐具的堆叠是否影响洗净。
AI 根据报道生成 · 1 小时前更新
最新进展10月13日 16:24
DishwasherBench 0.1.0已开源，完成六次模型仿真，但尚不足以排名且缺少人类基线。报道时间线
沿着报道，了解事件的不同侧面。
10月13日
- Hacker News 首页DishwasherBench：前沿模型能装好洗碗机吗？
Composo 开源 DishwasherBench 0.1.0，用真实洗碗机的物理仿真测试大语言模型装载餐具的能力，支持人类在浏览器中游玩及模型通过 MCP 操作。两个模型部署在三个关卡完成了六次正式仿真，两者在完整关卡均超过谨慎脚本玩家，但这些记录不足以排名，且没有人类基线。仿真仅用一次真实清洗校准，目前评分能判断装载和杯、锅等容器的朝向，尚不能可靠判断盘子与餐具的堆叠是否影响洗净。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。