NeXUI

新的NeXUI基准评估AI代理对非视觉用户的解释能力

一个名为NeXUI的新基准已被开发出来，用于评估辅助UI代理，重点关注它们向非视觉用户解释动作的能力，而不仅仅是完成任务。该基准旨在评估安全性、效率和任务成功率，同时验证代理的解释是否基于界面状态。目前的先进模型，如Gemini 3.5 Flash，在NeXUI上表现不佳，成功率仅为44%，解释得分也很低，这凸显了该领域进一步研究的必要性。