Agent 运行评估 独立测试站
目标与技术方案 ↗

COMPANY AGENT REVIEW

监管与有效性评估

原脚本提供事实,项目与 case 串起目标、结果、代价和人的评价。

已显示最近快照快照同步 2026/10/18 01:45:12

数据已显示。交互加载期间可直接使用板块链接、分类链接和表格展开;刷新可读取最新快照。

核心 case · C23

说明RoboCasa环境怎样接入既有平台

说明RoboCasa接入所需接口与剩余工作。

2026-10-12 04:00 至 2026-10-15 04:00(北京时间);历史核对,执行前查最新状态。

人的最终 Review

待审

尚无明确的最终评审意见。

本 case 的 token 总数

待关联

计入该目标下的相关运行与返工,尚缺关联时不估算分摊。

这次要做到什么

提供详细实施信息,明确不执行新评测。 说明RoboCasa原生环境、runner、adapter、结果转换和调度接入步骤;不执行

实际做到什么

21:06最终说明核历史实现,分原生环境/runner、模型adapter、结果转换与平台调度;尚无RoboCasa接入完成成果。

使用的 Skill

缺少实际使用及版本证据,待核对原执行。

Agent 初评

理解2/4 / 交付3/4 / 可靠3/4 / 协作3/4

与人的最终 Review 分开。

这个 case 收到的反馈

有范围澄清,未见最终满意度评价

只要接入信息,不要执行任务

目标是新环境接入及复用RoboDojo经验;模型Adapter与环境适配是两层。

处理结果:后续已交详细说明;本次不启动RoboCasa评测。

下一步:暂无

已经有了OpenWAM 在 RoboCasa365 数据上做后训练的权重,把 RoboCasa365 原生环境接入平台测
来源 1 ↗
你不用执行任务,只需要提供给我信息,我要了解我后续怎么做,不需要你具体执行
来源 1 ↗
这是OpenWAM,那换成其他模型呢,该怎么接入,你要讲清楚RoboDojo 具体是怎么连接接口的,是怎样一个逻辑,现在大家已经有的评测,包含很多不同任务,不同模型,这些又是怎么接入的,之前测评的那些模型是经过后训练生成新的模型权重吗
来源 1 ↗
要尽可能详细地把把 RoboCasa365 接入平台需要做的任务列给我,并且给出具体的实施步骤和方法,怎么新增 RoboCasa365 环境适配
来源 1 ↗
你可以先给我当初 RoboDojo 是怎么接入现有平台的,可以借鉴他们的做法
来源 1 ↗

下一步如何判断和改进

建议供评审,不表示已获准启动新的评测或整改。

建议先核对下面的证据缺口,再补充人的最终 Review;已有结果在原验收范围内判断。

以逐条回答能否用于后续实施验收,不按字数或是否开工评分。

展开过程:运行范围、耗时、资源与返工

运行范围

解释环境runner、模型adapter、结果转换、平台调度和剩余接入工作;用户明确只要信息。

关键时间与耗时

实际耗时无可靠完整计时。

资源使用

不启动新GPU任务;说明可复用的接口与真正缺口。

返工与人工介入

C22先前429未答完整属于背景;本例没有将讨论擅自转成执行。

来源 1 ↗