研究人员推出了“LivingScreen”,这是一个旨在评估动态短视频平台上GUI智能体的新基准。与假设屏幕静态的先前基准不同,LivingScreen考虑了连续播放的内容,要求智能体就观察和交互做出实时决策。对当前前沿模型的评估显示,在成本准确性方面均未达到人类水平,常见故障包括观察时间不当,凸显了未来GUI智能体在观察控制方面需要改进。 AI
影响 突出了当前GUI智能体在动态环境中的能力差距,可能指导未来在观察控制方面的研究。
排序理由 该集群包含一篇介绍AI智能体新基准的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →