DuoCook发布：四大VLM在双玩家烹饪协作基准中表现惨淡
热点事件持续更新
DuoCook发布：四大VLM在双玩家烹饪协作基准中表现惨淡
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
DuoCook基准测试正式发布，旨在评估视觉语言模型（VLM）在《Overcooked》环境中双玩家烹饪协作的能力，测试覆盖20张地图。 该测试涵盖设备竞争等5类协作场景，对比了GPT、Claude、Qwen和Gemini四款主流VLM的表现。 目前测试结果显示，最强模型gpt-6-astra的平均订单完成率仅为26.2%；同时观察到笔记记忆机制对各模型表现的影响存在显著差异。
AI 根据报道生成 · 42 分钟前更新
最新进展10月23日 12:00
DuoCook：基于《Overcooked》的视觉规划与协作基准测试报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv · AIDuoCook：基于《Overcooked》的视觉规划与协作基准测试
DuoCook 基准测试发布，评估 VLM 在 20 张地图上的双玩家烹饪协作能力。 测试涵盖设备竞争等 5 类场景，对比 GPT、Claude、Qwen 和 Gemini 四款 VLM。 最强模型 gpt-6-astra 平均订单完成率仅 26.2%，笔记记忆机制对各模型表现影响不一。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。