新的NeXUI基准评估AI代理对非视觉用户的解释能力

一个名为NeXUI的新基准已被开发出来，用于评估辅助UI代理，重点关注它们向非视觉用户解释动作的能力，而不仅仅是完成任务。该基准旨在评估安全性、效率和任务成功率，同时验证代理的解释是否基于界面状态。目前的先进模型，如Gemini 3.5 Flash，在NeXUI上表现不佳，成功率仅为44%，解释得分也很低，这凸显了该领域进一步研究的必要性。 AI

影响 该基准可以推动更具协作性和透明度的AI代理的发展，从而提高视障用户的可访问性。

排序理由 该集群包含一篇介绍AI代理新基准的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gemini 3.5 Flash
• Gotit.pub
• Hugging Face
• NeXUI
• ScienceCast

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →