热点事件持续更新
Composo 开源洗碗机装载基准 DishwasherBench v0.1.0
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Composo 发布 DishwasherBench v0.1.0，这是一套基于一台 Bosch SMV4HAX40G 洗碗机物理仿真的评测框架，让人和大语言模型分别通过浏览器或 MCP 进行装载游戏，并按洗涤结果打分。属于早期版本，目前尚无人类玩家提供基线成绩。 只有两个 GPT 模型（gpt-6.1-sol 和 gpt-6-astra）通过 OpenAI 兼容端点跑过 7 关中的 3 关，每关 6 局；Anthropic API 路径尚未在真实接口上运行。仿真以一次真实洗涤做校准，但盘子、刀叉堆叠以及蛋白、茶渍等土壤的评分仍被报告为不可信。
AI 根据报道生成 · 33 分钟前更新
最新进展10月13日 16:24
DishwasherBench：评测前沿模型能否装好洗碗机报道时间线
沿着报道，了解事件的不同侧面。
10月13日
- Hacker News精选DishwasherBench：评测前沿模型能否装好洗碗机
DishwasherBench v0.1.0 发布，是基于一台 Bosch SMV4HAX40G 洗碗机物理仿真的评测框架，让人与大语言模型分别通过浏览器或 MCP 玩装载游戏并按洗涤结果打分。两个 GPT 模型（gpt-6.1-sol、gpt-6-astra）已通过 OpenAI 兼容端点跑过 7 关中的 3 关；仿真以一次真实洗涤做校准，但盘子、刀叉堆叠与蛋白、茶渍等土壤的评分仍不可信。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。