实体 PhoneHarness Bench

PhoneHarness Bench

PulseAugur coverage of PhoneHarness Bench — every cluster mentioning PhoneHarness Bench across labs, papers, and developer communities, ranked by signal.

Show in brief

总计 · 30天

90 天内 1

发布 · 30天

90 天内 0

论文 · 30天

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

RESEARCH · CL_93508 · Jun 12 · 00:00

新基准评估AI代理在混合移动设备交互中的表现

研究人员推出PhoneHarness，这是一个旨在评估与移动设备交互的AI代理的新基准和执行框架。与以往只关注GUI控件的方法不同，PhoneHarness支持混合操作方法，允许代理利用图形用户界面、命令行界面和外部工具。该框架旨在评估代理完成具有可观察副作用的可验证移动工作流的能力，而不仅仅是预测下一个屏幕操作。相关的基准PhoneHarness Bench，通过率为75.0%，显著优于现有设置12.9个百分点，突显了操作表面路由和…

新基准评估AI代理在混合移动设备交互中的表现