WindowsAgentArena
PulseAugur coverage of WindowsAgentArena — every cluster mentioning WindowsAgentArena across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的 EFR 框架提高了桌面 GUI 代理的准确性
研究人员推出了一种名为证据优先反思（EFR）的新型框架，旨在提高桌面 GUI 代理的性能。EFR 通过将动作诱导的视觉差异提取与结果验证分离开来，解决了复杂界面中细微视觉变化带来的挑战。该方法使用标记集（Set-of-Marks）注释来识别和过滤相关变化，从而做出更可靠的决策。实验表明，EFR 在 OSWorld-Verified 和 WindowsAgentArena 等基准测试中提高了反思器的准确性和任务成功率。
-
UI-Mate 通过新的训练和演示方法推进开放权重 GUI 代理
研究人员推出了 UI-Mate，这是一种开放权重的基础 GUI 代理，旨在增强复杂数字任务的自动化。该代理利用环境基础训练堆栈和上下文演示学习来提高可靠性并克服数据稀缺和提示模糊等限制。UI-Mate 在通用计算机使用基准测试中取得了新的最先进成果，并在 OSWorkerBench 基准测试的任务成功率和进展方面取得了显著改进，优于其基础模型。
-
Reid Hoffman、Marc Pincus 联合创办的 AI 实验室 Prentis 寻求融资 1 亿美元
据报道，由 Reid Hoffman 和 Marc Pincus 联合创办的新 AI 实验室 Prentis 正在洽谈以 10 亿美元的估值融资 1 亿美元。该实验室专注于训练 AI 模型以自动化常规办公工作流程和控制计算机，旨在超越编码成为 AI 的主要应用。Prentis 声称其 Hive-32B 模型在特定的计算机使用基准测试中优于 OpenAI 的 GPT-5.4 和 Anthropic 的 Claude Opus 4.6 等…