跳到主要内容
Evolvant
订阅

机器人行业洞察

行业消息

  1. Google、UCLA与CMU联合论文提出GenXR-Bench,含112个专家编写的XR功能开发、缺陷修复与完整应用构建任务,测试模拟手部与房间输入,与使用真实头显的盲测XR专家一致率为96.5%。评测显示Claude Opus 5以50.9%领先,但无模型在SDK功能任务上超过29.2%;失败运行中64.4%出现坐标系错误,44.9%出现启动竞态条件。作者建议用模拟手部与房间输入验证智能体产出的XR应用,因智能体自写单元测试常漏掉运行时缺陷。

    Rohan Paul观点仿真与数字孪生大模型智能体

  2. 谷歌DeepMind论文披露,4个基于Gemini 4 Argon的通用编程智能体仅获得「击败末影龙」这一目标和一个把JavaScript转为游戏动作的标准库,无角色分配、无专用游戏工具,靠聊天与共享笔记自行分工。在简单难度随机世界中,它们用27小时14分钟击杀末影龙,共编写2783个程序、死亡605次。论文称这是单次运行,成功率尚不明确,并建议长周期任务可先尝试带普通API与共享记忆的通用编程智能体。

    Rohan Paul观点大模型智能体基准评测