從完好的榜單來看 ，

論文地址：https://arxiv.org/pdf/2502.15840

Vending Bench自身是一個模仿環境，簡略「忘掉」最初的信息。

假如價格定得太高 ，它需求回顧曩昔幾個月的出售數據，回歸到基準測驗，

怎么讓AI從Chat談天框里真實走入實踐國際？又怎么評價AI的才干？

Vending-Bench給出一種「風趣」的解法 。

Claude系列的模型體現各異，馬斯克乃至有點「奧特曼化」了 ，

其時xAI的職工發帖標明辦公室剛剛迎來了Andon Labs答應們供給的由Grok驅動的主動售貨機 ！

雖然模型在短期、

02

這也引發了人們關于AGI界說的評論。它們標明了當時模型在更長時刻規模內繼續推理和決議計劃才干上的缺乏