跳到正文

内容类型

评测基准 最新动态

模型到底谁更强：Benchmark 评测成绩、评测方法的争议与排行榜变化。

21 条精选近 30 天 16 条共收录 90 条

更新

精选归档 · 第 2 页

4月1日周三第 21–21 条
  1. Jim Fan74

    Jim Fan 团队开源 CaP-X，让智能体以机械臂和人形机器人形态在物理世界中运行，并可通过感知 API、执行 API 与自动合成的技能库完成任务。配套发布 CaP-Gym 的 187 个操作任务、覆盖 12 个前沿 LLM/VLM 的 CaP-Bench 八级评测，以及无需训练的 CaP-Agent0；CaP-RL 中 7B 开源模型经 50 次训练迭代成功率从 20% 升至 72%。

    推荐理由：团队开源 CaP-X 智能体机器人栈，并给出 CaP-Gym、CaP-Bench 与 CaP-RL 的系统性实验，可观察 LLM 在物理任务上的能力边界。