DishwasherBench:前沿模型能摆好洗碗机吗
mlukewizard · hn · 2026-10-13
composo-ai 在 GitHub 发布 DishwasherBench,用「把洗碗机装满/摆好餐具」这类长程具身任务来测试前沿模型的规划与推理能力。属于半玩笑半认真的评测项目,以生活化任务替代抽象基准。
「Fun」频道最新
- Opus 5.5 纯代码生成科幻片头:每帧画面与配乐皆无素材 — prasenx · 2026-10-23
- 5 个 Claude Code 会话经 MCP 互发邮件，组队攻破多品牌网络摄像头 — doodlestein · 2026-10-23
- 网友神回复 David Sacks：我的服务器没被 PHP 技术债的 RCE 打挂 — MickeySteamboat · 2026-10-23
- 人行道上的配送机器人实拍,自己走完送货最后一公里 — HomeNowWTF · 2026-10-23
- Theranos 创始人男友血液检测创业公司 CTO 出走,被称「Theranos 2.0」 — annatonger · 2026-10-23
- AI 助手 Boba 自拆「朋友」话术：温暖即增长策略 — gharik · 2026-10-23