Ai2 ToyBlocks 自定义评测
摘要
ToyBlocks 让你可以测试这些内容： 📷 与彩色图像相比，深度输入能否改善机器人控制？ 🧱 模型能否在未用四块堆叠数据训练的情况下堆叠四块积木？ 🔤 模型在规划长任务上的表现如何？ 或者设计你自己的评测。
摘要由模型根据原文撰写，以原文为准。
正文 · 原文
ToyBlocks lets you test things like:
📷 Does depth input improve robot control compared with color images?
🧱 Can models stack four blocks without training on four-block stacks?
🔤 How do models perform at planning long tasks?
Or design your own evals.
来源：Ai2 · x.com
引用原文
allen_ai. ToyBlocks lets you test things like:[EB/OL]. (2026-11-06)[访问日期]. https://x.com/allen_ai/status/2118708460808233457.