一项名为OSWorld的新基准测试显示,AI代理EvoCUA-1.5通过在模拟环境中进行试错学习,取得了63.2%的分数。另外,Apple Inc.开发的一项新的开放基准测试表明,即使是先进的AI模型在视觉工具任务上也面临困难,由于图像识别和解释方面的挑战,失败率超过50%。 AI
影响 突出了当前AI代理在视觉任务方面的能力局限性,并展示了通过模拟环境学习的进展。
排序理由 该集群讨论了新的基准测试和AI代理在特定任务上的表现,属于研究类别。
在 Mastodon — fosstodon.org 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →