AI 研究
DishwasherBench：社区用「把碗装进洗碗机」的物理仿真基准测前沿模型
据 GitHub 仓库 composo-ai/DishwasherBench（v0.1.0，MIT，作者 Composo），这是一个基于单台真实洗碗机（Bosch SMV4HAX40G）物理仿真的装碗小游戏（游戏名 Spotless），既可由人在浏览器玩，也可让模型经 MCP 玩，用作 benchmark。仓库自述：仿真仅按一次真实洗涤校准；48 项装载现象中 17 项通过、21 项在量级或符号上失败；目前仅 2 个模型经 OpenAI 兼容接口跑了 3 个关卡共 6 局，无人类基线，也未对 Anthropic API 实测。10-13 上 Hacker News（约 52 分）。
对 AI 使用者意味着什么
AI 评测从代码/数学往真实物理任务延伸，也暴露前沿模型的具身短板；但为社区自建、样本量小、无人类基线。
有具体工作流问题？联系咨询。新闻本身免费阅读。