EmboCoach-Bench: 具現化エージェント開発におけるAIエージェントの能力を評価するベンチマーク

要約

EmboCoach-Benchは、LLMエージェントが自律的にロボットの制御ポリシーを構築する能力を評価するベンチマークです。32種類のタスクを通じて、コード生成からデバッグ、報酬設計、最適化までの閉ループなワークフローを検証します。AIが人間による基準を26.5%上回る成功率を達成し、自己修正能力も備えていることが示されました。

全文は有料プランで閲覧できます。