BENCHMARKS · RÉSULTATS ET PROTOCOLES

Des scores avec
leur contexte.

Explorez les évaluations publiées et les expériences locales documentées dans GenOS. Chaque résultat est limité à son corpus, son protocole et ses conditions d’exécution.

Relire une campagne GenOS →Référence API / MCP →
BENCHMARK INTERACTIF · RÉSULTATS ENREGISTRÉS

Explorez les 12 tâches
du même run.

Choisissez un domaine, une tâche et une politique. Le panneau restitue le plan, le verdict et les expansions enregistrés le 30 septembre 2026. Il ne relance pas le benchmark.

BLOCKSWORLD · bw-sussman

GenOS A*

OBJECTIF ATTEINT
OuiObjectif du scénario atteint
3Expansions
2Actions dans le plan
2Optimum BFS (si calculé)
PLAN ENREGISTRÉ
  1. 01unstack C
  2. 02stack C on B

Comparaison déterministe sur des tâches synthétiques, budget maximal de 240 expansions. Ces valeurs viennent du runner source; la sélection ci-dessus ne constitue pas une nouvelle exécution.

ARTEFACT SOURCE · 2026-09-30Télécharger le JSON ↗

COMMANDE DE REPRODUCTIONnode backend/tests/search/test_planning_gap.jsLe résultat est spécifique à la suite, au budget et aux versions de l’artefact. Rejouer la commande requiert le dépôt source GenOS et son environnement.

INTERPRÉTATION

Les douze tâches planning-gap sont synthétiques; le benchmark est un runner déterministe sans LLM. Cet explorateur présente le résultat enregistré du 30 septembre 2026 et ne relance pas la suite. Les évaluations LoCoMo et SWE-bench Lite ont leurs propres corpus et limites, décrits sur la page anglaise.

Voir tous les rapports et protocoles en anglais ↗