基准评测 · 科技与互联网

具身智能体长程记忆：看见不等于记住，浙大提出具身记忆基准

会看图、会写代码的通用 Agent，能完成机器人操作吗？CodeActionBench 发布

从视觉观察到策略生成，再到物理执行与完成判断，CodeActionBench 在统一条件下评测通用多模态。