Skip to content
Hot storiesContinuously updated

研究团队推出具身智能体鲁棒性评测基准VagueBench

1 reports1 reporting sourcesUpdated 8 hours ago

Start here

AI overview

2026年11月4日，研究团队在arXiv发布具身智能体鲁棒性评测基准VagueBench。该基准基于AI2-THOR仿真环境构建，旨在评估具身智能体在省略非必要上下文细节时的鲁棒性，共包含4个类别、1,303对指令。评测结果显示，6个SOTA具身智能体的任务成功率相对下降19.65%，空计划率相对上升54.10%。实验表明智能体过度依赖辅助语言线索，且该现象在真实机器人系统中同样存在潜在安全风险。

AI-generated from reports · Updated 8 hours ago

Latest developmentsNov 4 13:00
研究团队推出基于AI2-THOR的基准VagueBench，评测显示SOTA智能体成功率下降19.65%。

Report timeline

Follow the reports to see different sides of the story.

Nov 4
  1. arXiv 人工智能
    VagueBench：评估具身智能体应对环境上下文错觉的鲁棒性基准

    研究团队推出基于 AI2-THOR 仿真环境的基准 VagueBench，用于评估具身智能体在省略非必要上下文细节时的鲁棒性。该基准包含 4 个类别共 1,303 对指令，评测显示 6 个 SOTA 具身智能体的任务成功率相对下降 19.65%，空计划率相对上升 54.10%。实验表明智能体过度依赖辅助语言线索，且该现象在真实机器人系统中同样存在潜在安全风险。

Story heat trend

Current heat 8·Comparable peak 10（Nov 4 14:00）·Comparable change, last 24 hours–

02.557.510Nov4Nov4Nov4Nov4

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.