密歇根大学安娜堡分校的研究团队开发了名为「RoboCrafter-QA」的基准测试，用于评估大型语言模型（LLM）在软体机器人设计中的表现，探索其作为「自然选择器」的可能性。研究发现，尽管LLM在简单任务中表现良好，但在处理细微性能差异时仍面临挑战，强调了提供清晰任务描述的重要性。
研究还展示了LLM在设计初始化中的应用潜力，表明具有参考知识的LLM能够生成有效且性能良好的初始设计，而缺乏参考知识的LLM生成的有效设计较少。
密歇根大学安娜堡分校的研究团队开发了名为「RoboCrafter-QA」的基准测试，用于评估大型语言模型（LLM）在软体机器人设计中的表现，探索其作为「自然选择器」的可能性。研究发现，尽管LLM在简单任务中表现良好，但在处理细微性能差异时仍面临挑战，强调了提供清晰任务描述的重要性。
研究还展示了LLM在设计初始化中的应用潜力，表明具有参考知识的LLM能够生成有效且性能良好的初始设计，而缺乏参考知识的LLM生成的有效设计较少。
