机械臂停止测试：多数模型完成任务后不知何时收手
Artificial Analysis 通过机械臂任务测试语言模型「知道何时停止」的能力：Claude Opus 5.5 用 23 分钟完成任务后，又徒劳地继续推了 22 分钟，尽管明确表示任务已完成。补充的各模型停止时机对比显示，只有 GPT-6.1 Sol 和 Gemini 4 Argon 能在任务完成后 1 分钟内及时收手，其余模型均存在不同程度的过度操作问题。
2026-11-04 ~ 2026-11-04 · 2 条相关
- 第 1 集:AA-Robotics 基准发布：GPT-6 Astra 操控机械臂登顶(2026-10-15,3 条)
- 第 2 集:机械臂停止测试：多数模型完成任务后不知何时收手(2026-11-04,2 条)
- Claude Opus 5.5 控制机械臂：完成任务后又徒劳推了22分钟 — ArtificialAnlys · 2026-11-04
- 机械臂停止测试：仅 GPT-6.1 与 Gemini 4 能在完成1分钟内收手 — ArtificialAnlys · 2026-11-04