MolmoSpaces基准亮相RSS
notmahi · x · 2026-07-14
这条帖本身主要是在说作者团队会在 **RSS 2026** 的 poster session 现场展示，欢迎提问。真正的信息点来自引用内容：他们提出了 **MolmoSpaces** 以及对应的 **MolmoSpaces-Bench**。 引用里给出的核心主张是：这个 benchmark 利用“规模和多样性”，用来评估 **zero-shot policies** 在大量、此前未见过的环境中的表现，并在系统性变化下观察模型行为。作者强调，这种评测能提供比单一 success rate 更丰富的洞见。