Le filThèmes : ÉvaluationsAgents
RLE-Bench évalue des agents de code dans des tâches d’ingénierie en apprentissage robotique
1 sourcemis à jour il y a 5 jpertinence 3,2 sur5
L’essentiel
Ce benchmark couvre quatre flux de travail : le contrôle interactif, l’apprentissage de politiques, la perception et l’estimation, la conception mécanique. Il agrège les métriques dans un RLE Index.
Propagation1 article, publié par HF Daily Papers le 2 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceHaitong Ma, Chenxiao Gao, Rushi Qiang et al.huggingface.co
RLE-Bench: A Qualifying Exam for Coding Agents as Robot Learning Engineers (site externe)
Coding agents are beginning to move beyond purely digital tasks to tackle physical-world challenges, particularly in robotics.
Sur les mêmes thèmes
Agents
LangChain intègre un routeur de modèles à son agent open source Open SWE et réduit le coût médian
Évaluations
Microsoft publie ThinkingBox, un benchmark qui note les agents sur l’état final de la base de données
Agents
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Agents
Weave publie en open source Weave Router 2.0, qui oriente les agents de code vers différents modèles
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5