#DominoBench

共 1 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「DominoBench」标签的资讯、产品与论文,按刊登时间排,新的在上。
11月17日
论文Agent 与开发者多源确认13:10
DominoBench 发布:30 个多模态模型看图预测物理连锁反应无一过关

看图预测多米诺连锁反应,30 个模型全军覆没。GPT、Gemini、Claude 这些旗舰在纯看图时最多 72% 命中,但把决定性计算写出来后能到 82-92%,说明瓶颈在定量推理。做具身智能或机器人规划的开发者值得用这个基准测测自己的模型。

事件专题
arXiv: OpenAI@Emilio Ferrara原文