Forscher setzten KI-Modelle an die Steuerung von Lenkrad, Beschleuniger und Bremse eines Toyota Corolla, um reale Fahrkompetenz zu testen. Die Bewertung fand auf einer festen Kegelstrecke statt, bei der die Modelle navigieren mussten, während sie innerhalb von 4 Metern der Mittellinie blieben. Die Leistung wurde durch Versuchsfortschritt gemessen—die zurückgelegte Strecke entlang der Mittellinie vor einer Kollision—und durch die Fahrzeit für abgeschlossene Durchläufe.

Die Metriken erfassten auch die Gesamtzahl der Tokens und die Kosten zu Listenpreisen pro Versuch. Die Einrichtung, DrivingBench genannt, ermöglicht es Followern, den Fortschritt über @drivingbench auf Social-Plattformen zu verfolgen. Kollisionsereignisse setzen den Fortschritt auf den vorherigen Punkt zurück.

GPS-Geschwindigkeitsdaten halfen bei der Berechnung der integrierten zurückgelegten Strecke pro Fahrt. Die Tests umfassten sowohl erfolgreiche Durchläufe als auch Fehlschläge mit der Markierung DNF (nicht beendet).