DishwasherBench

DishwasherBench 是一个新出现于 Hacker News 的 AI 基准测试，用于让前沿模型判断洗碗机如何装载。

DishwasherBench 要求模型通过视觉输入和常识进行三维空间推理，涉及锅具层位、碗口朝向、杯子倾斜角度、刀叉篮分区及物体遮挡等约束。

如果基准只能判定'和参考方案是否一致'，那它测的就不是空间推理能力，而是对齐度。

DishwasherBench 接下来需要回答的核心问题是评分体系能否保持稳定，即如何处理装载洗碗机没有唯一正确答案的情况。