Реклама

ComponentBench: диагностика сбоев на уровне компонентов в компьютерных агентах

#ComponentBench #Diagnosing #Component-Level #Failures #Computer-Use

arXiv:2608.18307v1 Анонс Тип: новый Аннотация: Текущая оценка агентов компьютерного использования разделена между контрольными показателями рабочего процесса с длинным горизонтом и испытаниями на заземление с помощью атомного графического интерфейса. Это оставляет недоинструментированный средний…