待验证50% 置信基准精确时间

在 RoboWorld 基准测试中，当前最强的前沿模型在每个测试任务上均失败，平均奖励只有 0.06。

1

来源数

50%

置信度

短期 (~14 天)

时效性

2026/10/30

首次发现

有效期至：2026/11/13

来源

Gym-Anything：用编码智能体造机器人仿真环境

涉及实体

RoboWorldproduct 前沿模型concept

相关事实

待验证RoboDojo具身智能测评显示，最强模型得分仅12.8分（人类基准为100分），仿真成功率不足9%，真机成功率12.8%77% 相似待验证Mann-Whitney U检验显示朴素生存奖励下task_score跌破随机策略基线,p=0.01270% 相似待验证该用户指出这些模型在基准测试中拿到很高分数，却在最简单的任务上频频失败67% 相似待验证若一道难题在采样中全部失败（pass@k约为0），奖励方差为零，梯度信号几乎消失，参数更新量趋近于零67% 相似待验证实验中塑形奖励配置下的task_score仅为0.125,而朴素奖励是0.417,效应量d=4.4766% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1115591

API

curl https://kongchang.com/api/v1/knowledge/claims/1115591

MCP

get_claim(id=1115591)