研究者たちが最先端AIモデルをトヨタカローラのハンドル、アクセル、ブレーキの制御に置き、実世界の運転能力をテストした。評価は固定コーンコースで行われ、モデルは中心線から4メートル以内に留まりながらナビゲートする必要があった。パフォーマンスは試行進行度—衝突前のコース中心線に沿った移動距離—および完了ランの終了時間で測定された。指標には、各試行の総トークン数とリスト価格でのコストも追跡された。DrivingBenchと名付けられたこのセットアップにより、フォロワーはソーシャルプラットフォームで@drivingbenchを通じて進捗を追跡できる。衝突イベントは衝突前の最も遠い地点まで進行をリセットする。GPS速度データは各ドライブ中の移動距離の統合計算に役立った。テストには成功したランとDNF（完了せず）としてマークされた失敗の両方が含まれた。