实体
ClawMark
ClawMark
PulseAugur coverage of ClawMark — every cluster mentioning ClawMark across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新框架合成AI同事的训练环境
研究人员开发了CoworkEnv，一个旨在为AI同事合成可执行训练环境的框架。该系统使用工作流引导的任务构建和程序化验证来创建适用于监督微调（SFT）和强化学习（RL）的环境。该框架已被用于训练紧凑型PocketWorker模型，显著提高了Qwen3-VL-8B-Instruct在Claw-Eval等基准测试中的性能，尤其是在多轮协调任务方面。
-
新的ClawMark基准测试动态环境中的多模态同事代理
研究人员推出了ClawMark，这是一个旨在评估充当持久同事的AI代理能力的新基准。与通常是静态和以文本为中心的先前基准不同，ClawMark模拟了一个动态的、为期多天的工作环境，信息会独立于代理而变化。该基准包含13个专业场景中的100个任务，利用五个有状态服务和1500多个确定性检查器进行评估。初步测试表明，虽然表现最佳的代理获得了75.8的加权分数，但严格的任务成功率仅为20.0%，这表明在适应不断变化的环境状态方面存在重大挑战。