多校发布机器人编码智能体评测基准
先了解这件事
西北大学、卡内基梅隆大学、斯坦福大学和加州大学伯克利分校等团队发布 Embodied First Exam，用于评测编码智能体完成机器人任务的能力；在456个核心任务各尝试一次的条件下，GPT-6 Astra解决率最高，为32.9%，Claude Opus 5.5、Gemini 4 Argon和DeepSeek V4.1 Flash分别为23.5%、19.5%和2.6%。 该框架包含1,156个任务、2,288个测试、35个任务套件和47台机器人，支持直接控制、代码控制、训练策略及混合控制，并可按Privileged、Standard和Realtime三种模式运行，由离线验证器判定任务通过或失败。新报道将任务规模概括为456至1090个具身任务，但各项成绩对应的仍是456个核心任务的一次尝试结果。
AI 根据报道生成 · 5 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- AGI Hunt多校联合发布 Embodied First Exam 具身智能基准
Northwestern、CMU、Stanford、UC Berkeley 等高校联合推出具身智能评测基准 Embodied First Exam，用于考察编码 agent 在机器人场景中的能力。该基准包含 456 至 1090 个具身任务，最强 agent 仅解出 32.9%，反映出当前具身智能仍面临重大挑战。
- AGI HuntEmbodied First Exam 发布，编码智能体在456个核心机器人任务中最高解决率为32.9%
Embodied First Exam 在 CoRL Late-Breaking Results 发布，面向机器人任务评估编码智能体。框架包含1,156个任务、2,288个测试、35个任务套件和47台机器人，采用Privileged、Standard、Realtime三种模式。在456个核心任务各尝试一次时，GPT-6 Astra解决率最高，为32.9%。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月9日 13:00
- 近 24 小时变化
- –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。