基准
PhysRSI-eval
PhysRSI-eval是评估视觉语言模型物理递归自我改进能力的基准，采用五轴度量体系衡量智能体在物理操作任务中的自我提升水平
时间轴 (近 90 天)
10月20日
论文提出了PhysRSI-eval基准，采用五轴度量体系：首次尝试表现、效率、成功率、预算消耗以及从失败中改进的能力。
待验证50%
10月20日
五轴指标能够区分那些在公开基准上平均分相近的系统。
待验证50%
PhysRSI-eval是评估视觉语言模型物理递归自我改进能力的基准，采用五轴度量体系衡量智能体在物理操作任务中的自我提升水平
论文提出了PhysRSI-eval基准，采用五轴度量体系：首次尝试表现、效率、成功率、预算消耗以及从失败中改进的能力。
五轴指标能够区分那些在公开基准上平均分相近的系统。