基於真實瀏覽歷史的長時任務基準測試發布

AIMPACT 消息,4 月 30 日(UTC+8),Dan Fried 在 X 平台宣布其团队构建了一个基于真实用户浏览历史的基准测试,包含约200个多站点任务,旨在评估智能体在长时任务(许多需数小时解决)中的成功率和效率。相关论文已发布,由 Lawrence K. 等人领导。该工作聚焦于智能体在复杂、长时间跨度网页任务中的表现评估。(来源:InFoQ)

查看原文
此頁面可能包含第三方內容,僅供參考(非陳述或保證),不應被視為 Gate 認可其觀點表述,也不得被視為財務或專業建議。詳見聲明
  • 打賞
  • 回覆
  • 轉發
  • 分享
回覆
請輸入回覆內容
請輸入回覆內容
暫無回覆