ArtifactArena: Evaluating Models by What They Build in the Physical World
Kushagra Tiwary*, David Mayo*, Nikhil Behari, Xiangzhou Sun, Abdulrahman Alabdulkareem
実装難易度
Hard
推論・学習コスト
Medium
想定用途
技術検証・論文読解補助
概要
To evaluate the frontier, we must measure models not by what they say, but by what they can engineer and build in grounded physical environments. We introduce \textsc{ArtifactArena}, an open-ended platform where models face a physically grounded hardware-software co-design challenge: engineering fully functional robots to compete in a simulated arena. We evaluate a frontier model's zero-shot,…
何が新しいか
To evaluate the frontier, we must measure models not by what they say, but by what they can engineer and build in grounded physical environments. We introduce \textsc{ArtifactArena}, an open-ended…
何に使えるか
技術検証・論文読解補助
実装情報
- Paper URL
- あり
実装チェックリスト
実装または配布ページ
要確認Paper onlyの可能性があるため再実装前提で確認してください。
一次情報リンク
OKPaper
検証しやすさ
要確認公式実装が見つからないため、論文から再実装する前提です。
計算資源
未取得推論中心なら軽めですが、再学習時はGPUが必要になる可能性があります。
ライセンス
未取得配布元のLICENSE、モデルカード、Paperの利用条件を確認してください。
商用利用
未取得研究利用限定、データセット由来制限、API規約の有無を確認してください。
自社データで試すなら
製造業・材料開発のExcel/CSVデータに落とし込むための最初の手順です。
- 1まず自社データを、入力条件、目的変数、評価したい指標に分けて整理します。
- 2LightGBMやRandom Forestなどのベースラインを先に作り、この手法と比較します。
- 3評価指標はR2/RMSE、AUC、異常検知の再現率、実験回数削減率など、現場の意思決定に近いものを選びます。
- 4SHAPや特徴量重要度で、効いている因子が物理・化学・工程知識と矛盾しないか確認します。
実装難易度
Hard - 公式実装が見つからないため、論文から再実装する前提です。
必要リソース
- GPU目安: Medium
- データセット: 論文・リポジトリ側の指定を確認してください。
- 学習要否: 再学習や評価環境の準備が必要になる可能性があります。
- 推論中心なら軽めですが、再学習時はGPUが必要になる可能性があります。
実務で使う場合の注意点
- ライセンスと商用利用条件は、Paper / GitHub / Hugging Face の配布元で確認してください。
- 精度、再現性、計算コストはデータセットや評価条件に依存します。
- 個人情報や機密データを扱う場合は、入力データの保存先と外部API利用条件を確認してください。
関連記事
Independent Multi-Agent Reinforcement Learning with Counterfactual Semantic-Social World Models
Fully decentralized multi-agent reinforcement learning (MARL), also referred to as independent learning, requi
ThinkFuse: Trajectory-Aware Test-Time Fusion for Small Reasoning Models
Small reasoning models (SRMs) have shown strong performance on complex reasoning tasks by generating extended
Retrieval-Based In-Context Learning: A Domain Adaptation Framework
In-context retrieval (ICR) is a retrieval-based form of in-context learning (ICL) in which demonstrations are
MoCAR: Motion-code Coordinate-aware AutoRegression for Continuous Trajectory Forecasting
Autoregressive generation is natural for language, where predicted tokens can be directly reused as the next p