DishwasherBench एक डिशवॉशर-लोडिंग गेम है, जो एक असली मशीन, Bosch SMV4HAX40G, के भौतिक सिमुलेशन पर आधारित है। इसे भाषा मॉडलों का मूल्यांकन करने के लिए बनाया गया था, और इसे ब्राउज़र में लोग भी खेल सकते हैं। इसके भीतर के गेम को Spotless कहा जाता है, और इसके पैकेज @spotless/* नाम से हैं।
खिलाड़ी रिजिड-बॉडी फ़िज़िक्स का उपयोग करके डिशवॉशर के 3D मॉडल में सामान लोड करता है। इसके बाद इसके Eco 50 प्रोग्राम पर एक धुलाई का सिमुलेशन चलता है, जिसमें जेट, बूंदें, पानी का बहाव, गंदगी और डिटर्जेंट की रसायन विज्ञान शामिल है। हर वह चीज़ जो साफ़ होकर निकलती है, उसके लिए खिलाड़ी को अंक मिलते हैं। दूसरे स्तर से आगे सब कुछ नहीं आता, इसलिए खिलाड़ी को तय करना होता है कि क्या लोड करना है और कैसे।
यह एक शुरुआती रिलीज़ है, संस्करण 0.1.0। सिमुलेशन असली मशीन की एक परीक्षण धुलाई पर कैलिब्रेट किया गया है। स्कोर से पता चलता है कि खिलाड़ी ने सामान ठीक से पैक किया या नहीं, और कप, गिलास और बर्तन उल्टे रखे या नहीं। यह अभी यह नहीं बताता कि प्लेट और कटलरी इस तरह रखी गईं या नहीं कि वे साफ़ धुलें। लोडिंग फ़िज़िक्स और दोहराने योग्य एपिसोड रिकॉर्ड ठोस बताए गए हैं, जबकि प्लेट और कटलरी की स्कोरिंग को मोटा बताया गया है।
प्रोजेक्ट Composo द्वारा बनाया और रखरखाव किया जाता है, और GitHub पर प्रकाशित है। इसमें कठिनाई के क्रम में सात स्तरों का कोर्स, वेब पेज से खेलने के तीन तरीके, एजेंटों के लिए एक MCP सर्वर और एक बेंचमार्किंग हार्नेस शामिल है। अब तक दो मॉडलों ने आधिकारिक स्तर पर छह एपिसोड खेले हैं, और अभी तक कोई मानव बेसलाइन दर्ज नहीं हुई है।
स्रोत: Hacker News · HeadlinesBriefing द्वारा सारांशित