星淬登录 / 注册

要闻 内容预览

AgentHorizon检查电脑操作是否完成了用户真正要求

来源:arXiv

AI 辅助整理

AgentHorizon收集跨三个操作系统的1,373组指令与电脑操作轨迹,来源为166小时人工记录。研究为相近指令交换轨迹,构造看似完成却不满足当前要求的样本,评估自动评判对长任务的判断能力。 作者比较11种评判方式,报告最佳智能体评判在AH…

登录后,继续看完整内容

加入开放、共创的AI社区,收藏发现、参与交流。

登录 / 注册,继续阅读