研究人员推出了CUActSpot，这是一个新的基准测试，旨在评估计算机使用智能体（CUAs）在多模态复杂且不频繁交互方面的能力。该基准测试解决了GUI操作中的长尾问题，即少数复杂交互导致大多数任务失败，并假设这是由于数据稀缺造成的。他们提出的数据合成流程生成场景、记录交互，并使用LLM创建指令和动作轨迹，从而使他们的Phi-Ground-Any-4B模型优于更大的开源模型。 AI
影响 该基准测试旨在提高AI智能体在复杂任务中的可靠性，可能增加用户在实际应用中的信任度和采用率。
排序理由 该集群包含一篇介绍新基准和模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
