用真实洗碗机物理模拟做的 LLM 空间规划评测游戏
Star73
24h 新增—
7 天新增—
Fork5
Issue48
语言TypeScript
项目介绍
更新于 1 天前
DishwasherBench 是一个把洗碗机装碗做成物理模拟游戏的 LLM 评测基准，游戏名叫 Spotless。它基于一台真实 Bosch SMV4HAX40G 洗碗机的实测数据建模，玩家（或模型）要把餐具摆进碗篮，随后模拟 Eco 50 程序的水流、污渍和洗涤剂作用，摆得干净就得分；从第二关起容量不够，必须取舍放什么、怎么放。它的核心价值在于确定性和可复现：同样的摆放每次结果一致，每个 episode 都能回放验证，还内置了 46 项来自文献的洗涤现象作为校验。人可以在浏览器里玩，语言模型则通过 MCP 用同一套动作接口操作，七关难度递增，适合横向比较模型的空间推理与规划能力。对做 Agent 评测、LLM benchmark 设计或关注具身/物理交互的研究者来说值得一看；普通工程岗位或只想找生产工具的读者关系不大。
上手成本：中
Star 趋势
话题标签
ai-agentsbenchmarkevaluationgamellmllm-benchmarkmcpphysics-simulationsimulationtypescriptwebgpu
仓库信息
| License | MIT |
| 创建时间 | 2026-10-12 |
| 最后推送 | 19 天前 |
| 热度分 | 0.0 |