机器之心·· 4 天前精选AI 评分69
CodeActionBench 发布：评测通用 Agent 的机器人操作能力
会看图、会写代码的通用 Agent，能完成机器人操作吗？CodeActionBench 发布
AI 导读
南洋理工大学团队提出 CodeActionBench，在双臂仿真环境下评测通用多模态 Agent 的机器人操作能力。在 25 个任务和 9 个模型配置中，GPT-6 Astra (Codex CLI) 尝试成功率达 73.3%，Claude Opus 5 在 Reference harness 下取得 49.3%。评测涵盖任务结果、中间进展及自主完成判断，揭示代码构造策略在具身操作中的潜力。
推荐理由
评测揭示了代码策略在机器人操作中的潜力与局限，读者可据此理解通用 Agent 在具身任务中的具体能力边界。
来源：机器之心 · mp.weixin.qq.com