# MolmoSpaces-Bench (/zh/docs/evaluation/benchmark-hub/molmospaces)



## 简介 [#简介]

MolmoSpaces-Bench external benchmark manifest for spatial embodied policy evaluation.

## 指标 [#指标]

MolmoSpaces-Bench external benchmark manifest for spatial embodied policy evaluation.

### Task YAML [#task-yaml]

`worldfoundry/data/benchmarks/tasks/external/molmospaces.yaml`

### Primary [#primary]

* `success_rate`

| Metric              | 关注点                                       |
| ------------------- | ----------------------------------------- |
| `success_rate`      | episode / task 是否成功完成的比例或成功率。             |
| `pick_success_rate` | episode / task 是否成功完成的比例或成功率。             |
| `task_success`      | episode / task 是否成功完成的比例或成功率。             |
| `reward`            | MoLMoSpaces 语言引导导航与交互 episode 的任务 reward。 |

## 环境准备 [#环境准备]

### 运行环境 [#运行环境]

* **Conda 环境：** `molmospaces-runtime`。
* **单独配置：** 需要 benchmark 专用 conda 环境，不要与统一 runtime 混用。
* Stage only the selected MolmoSpaces-Bench subset; the full public asset corpus is very large.

### 测评数据 [#测评数据]

* 待测模型输出目录：设置 `WORLDFOUNDRY_MOLMOSPACES_RESULTS_PATH` 指向生成视频或 rollout artifact 根目录。
* `${WORLDFOUNDRY_DATA_DIR}/datasets/molmospaces`
* `${WORLDFOUNDRY_CACHE_DIR}/repos/allenai--MolmoBot`

### Checkpoint 与资产 [#checkpoint-与资产]

* 该 benchmark 以官方结果归一化或仿真 rollout 为主；policy / simulator checkpoint 见 catalog `requires` 与 task YAML。

### 关键环境变量 [#关键环境变量]

* `WORLDFOUNDRY_MOLMOSPACES_ROOT`
* `WORLDFOUNDRY_MOLMOSPACES_RESULTS_PATH`

## 运行评测 [#运行评测]

准备好该 benchmark 页面列出的资产和候选产物后，使用下面的公开运行入口。

### 设置候选产物目录 [#设置候选产物目录]

```bash
export WORLDFOUNDRY_GENERATED_ARTIFACT_DIR=/path/to/generated/artifacts
```

### 导入已有官方结果 [#导入已有官方结果]

```bash
worldfoundry-eval zoo benchmark-run \
  --benchmark-id molmospaces \
  --mode normalizer \
  --official-results-path /path/to/official/results-or-report \
  --generated-artifact-dir "${WORLDFOUNDRY_GENERATED_ARTIFACT_DIR}" \
  --output-dir tmp/molmospaces/normalizer \
  --json
```

### 从生成产物重新打分 [#从生成产物重新打分]

```bash
worldfoundry-eval zoo benchmark-run \
  --benchmark-id molmospaces \
  --mode official-run \
  --generated-artifact-dir "${WORLDFOUNDRY_GENERATED_ARTIFACT_DIR}" \
  --output-dir tmp/molmospaces/official-run \
  --json
```

### 直接调用仓内 runner [#直接调用仓内-runner]

```bash
worldfoundry-eval zoo benchmark-run --benchmark-id molmospaces --mode official-validation --official-results-path <official_results.json> --output-dir <out> --json
```

## 依赖与产物 [#依赖与产物]

### Inputs [#inputs]

* Official simulator runtime
* benchmark assets
* policy checkpoint
* official result dump

### Environment [#environment]

* `WORLDFOUNDRY_MOLMOSPACES_RESULTS_PATH`

### Outputs [#outputs]

* `scorecard.json`
* `raw_results.jsonl`
* `evaluation/summary.json`

[← 返回 Benchmark Hub](/zh/docs/evaluation/benchmark-hub)