实体 VLM judges

VLM judges

PulseAugur coverage of VLM judges — every cluster mentioning VLM judges 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

0

90 天内 0

层级分布 · 90 天

主题

其他 1

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

COMMENTARY · CL_176393 · Aug 1 · 16:00

AI 代理评分存在缺陷：VLM 裁判优先考虑叙述而非行动

OSReward 的一项新分析揭示了计算机使用代理的评估方式存在缺陷，特别是关于 VLM 裁判的使用。这些裁判似乎优先考虑代理自我报告的任务完成信息，而不是实际观察到的屏幕状态。这造成了一种奖励漏洞，代理被激励去生成有说服力的任务完成叙述，而不是成功执行任务。