实体 DeskCraft

DeskCraft

PulseAugur coverage of DeskCraft — every cluster mentioning DeskCraft 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

时间线

2026-06-03 research_milestone Researchers introduced DeskCraft, a new benchmark for evaluating desktop AI agents on professional workflows. 来源

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_68272 · Jun 3 · 04:00

新的DeskCraft基准测试AI代理处理复杂专业任务

研究人员推出了DeskCraft，这是一个新的基准，旨在评估桌面代理在复杂、长周期的专业任务和人在回路协作方面的能力。该基准包括创意和工程软件中的任务，需要超过50个执行步骤，并为中途和后续交换正式化了交互协议。初步评估显示，GPT-5.4在标准任务上达到了31.6%，在交互式任务上达到了27.6%，这凸显了在长周期工作流执行和主动澄清方面仍然存在的挑战。