DishwasherBench – frontier model có xếp được máy rửa bát không?

Một trò chơi xếp bát đĩa trên mô phỏng vật lý của một cỗ máy thực tế, được xây dựng để làm benchmark cho các frontier model và có thể chơi trực tiếp trên trình duyệt. Trò chơi bên trong có tên là Spotless. - composo-ai/DishwasherBench