XDOF评测显示四款具身Agent成功率低
热点事件持续更新
XDOF评测显示四款具身Agent成功率低
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
mihdalal公布XDOF具身基准测试结果：Astra、Fable、Sol和Opus在真实物理任务中的总体成功率分别为17%、9%、19%和12%，Sol最高但仍不足两成。 测试中，每个Agent完成单项任务最多运行30分钟，每项任务进行25—30次评分运行；多数任务成功率低于20%，整理餐具、把麦片放到托盘、系结和展开T-shirt等任务均为0%。结果表明，这些Agent的实际物理操作能力仍远未达到可用水平。
AI 根据报道生成 · 1 小时前更新
最新进展10月22日 05:59
XDOF 具身基准评测：四大 LLM Agent 总分最高仅 19%报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- AGI HuntXDOF 具身基准评测：四大 LLM Agent 总分最高仅 19%
XDOF 具身基准测试显示，Astra、Fable、Sol、Opus 四个 LLM Agent 的 Overall 成功率仅为 17%、9%、19% 和 12%。多数任务成功率低于 20%，整理餐具、托盘上麦片、系结和展开 T-shirt 等任务全部为 0%。测试中每个 Agent 最多运行 30 分钟，每项任务进行 25-30 次评分运行，反映其真实物理操作能力仍远未可用。
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。