#机器人评测
共 3 篇
通用大模型操控机器人，强在哪弱在哪
一份技术报告用统一评测给前沿多模态大模型操控机器人的能力画了像：短任务领先、长链路和高精度接触操作吃亏，调用专用策略能补齐并大幅省词元。读完你会看清通用模型与专用策略的分工。
机器人做没做成，交给一个开源裁判
一个 27B 的开源模型专门判断机器人有没有完成任务：同型号机器人上 95.2% 平衡准确率，换实验室掉到 0.89 AUROC，单次要 0.26 秒。讲清判分器什么时候可信。
机器人做砸了会自己复盘改法，这套系统登顶 RoboDojo
拆解流形空间登顶 RoboDojo Agent 赛道的机制：外层复盘改技能、内层反哺训练，更新过测试可回滚。读完知道机器人自进化的评测怎么读，以及哪些成绩要分开看。