机器人评测改看95%下置信界

DominiqueCAPaul · x · 2026-07-20

作者展示了机器人 actuator unboxing 任务的新仪表盘。 - 他们跟踪的核心指标是**成功率**，但不直接看观测值，而是看**95% 下置信界**。 - 原因是如果为了刷高数字而做过多实验，容易变成 p-hacking；需要时可以通过增加评测次数来提升这一指标。 - 他们说这个图表受 autoresearch 风格仪表盘启发，但真实的机器人研究没那么“自动化”，因为每次评测都还需要人工监督。