Robótica
NIST propone el primer benchmark estándar para humanoides
El instituto estadounidense busca cerrar el vacío que dejó el DARPA Robotics Challenge de 2015 con un set mínimo de pruebas de locomoción y manipulación.
The Robot Report
Etiqueta
#benchmark
5 notas publicadas
Robótica
Fraunhofer somete al Unitree G1 a un benchmark con seis criterios
El instituto alemán crea una batería de pruebas modular basada en ISO 14644 y ISO TS 15066 para evaluar humanoides en condiciones reales de producción, salas limpias y seguridad funcional.
The Robot Report
IA
SOOHAK revela que los LLMs inventan respuestas a problemas imposibles
Un consorcio de 64 matemáticos diseñó 439 tareas para Gemini 3 Pro, GPT-5 y Claude Opus 4.5; ninguno supera el 50% al detectar problemas sin solución.
The Decoder
IA
BioMysteryBench: Claude iguala a expertos en bioinformática
Anthropic publicó un benchmark con 99 preguntas escritas por especialistas y respuestas verificables sobre datasets reales. Claude Mythos Preview alcanza 82.6% en problemas resolubles por humanos.
The Decoder
IA
500 banqueros revisan outputs de IA: ninguno listo para clientes
BankerToolBench evalúa GPT-5.4, Claude Opus 4.6 y Gemini 3.1 Pro en tareas reales de banca de inversión, y la mitad de los outputs falla incluso como borrador inicial.
The Decoder
Etiquetas relacionadas
Otros temas que aparecen junto a #benchmark en nuestra cobertura editorial.