CUActSpot

新基准CUActSpot针对AI智能体的复杂交互

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。