PulseAugur
实时 07:26:49
实体 OS-Shepherd-100K

OS-Shepherd-100K

PulseAugur coverage of OS-Shepherd-100K — every cluster mentioning OS-Shepherd-100K across labs, papers, and developer communities, ranked by signal.

Show in brief
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 1 条
  1. TOOL · CL_174110 ·

    新的OSReward基准揭示VLM裁判对AI代理过于宽容

    研究人员推出了OSReward,这是一个旨在评估视觉语言模型(VLM)作为计算机使用代理(CUA)裁判的可靠性的新基准。该基准包含一组多样化的CUA轨迹,其地面真实况判断来自多阶段的人工标注。研究结果表明,即使是最先进的VLM也表现出宽容偏差,将失败的CUA运行错误地归类为成功,并且最可靠的模型对于大规模使用来说成本过高。为解决此问题,该团队开发了OS-Shepherd,这是一系列开源奖励模型,在新的推理标注判断语料库上进行训练,提供…