★ 3
VagueBench 发布：评测具身智能体环境上下文幻觉
研究者提出 VagueBench 基准，基于 AI2-THOR 仿真环境评测具身智能体在指令省略非必要上下文时的鲁棒性，并提出「环境上下文幻觉」现象。该基准含 1303 组指令对，覆盖 4 大类 9 子类语义削减方式。在 6 个先进具身智能体上，任务成功率相对下降 19.65%，空计划率相对上升 …
arXiv cs.AI14 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究者提出 VagueBench 基准，基于 AI2-THOR 仿真环境评测具身智能体在指令省略非必要上下文时的鲁棒性，并提出「环境上下文幻觉」现象。该基准含 1303 组指令对，覆盖 4 大类 9 子类语义削减方式。在 6 个先进具身智能体上，任务成功率相对下降 19.65%，空计划率相对上升 …