Компьютерная наука > Искусственный интеллект [представлен 27 мая 2026 (v1), последний пересмотренный вариант от 8 октября 2026 года (эта версия, v2)) Название: Egobench: Interactive Egocentical Multildary Performal for Tool-Using Agents View PDF HTML (экспериментальный) резюме: поскольку агенты АИ все чаще действуют в условиях открытого реального мира, они требуют глубокого синергизма мультимодального восприятия, использования инструментов с многохоповыми рассуждениями и динамического взаимодействия с пользователями. Вместе с тем существующие контрольные показатели не позволяют совместно оценить эти возможности в силу трудностей, связанных с разработкой строго совмещенных многоплановых задач, моделированием естественной и узкоспециализированной обратной связи между пользователями и обеспечением объективной оценки динамического взаимодействия. Для преодоления этого разрыва мы представляем EgoBench, первый интерактивный мультимодальный эталонный показатель для агентов с использованием инструментов. "ЭгоБенч" включает в себя 1590 задач на основе экоцентрических видеоматериалов, охватывающих пять ежедневных сценариев, а также интерактивную среду для оценки с помощью пользовательского инструмента. Мы внедряем трехэтапный синергетический трубопровод, через который каждая задача предназначена для обеспечения совместного применения визуального восприятия и многофункциональных рассуждений. Кроме того, мы развиваем многоагентного имитирующего пользователя для оценки возможностей…
EgoBench: Интерактивный эгоцентричный мультимодальный контрольный параметр для агентов, использующих инструменты
arXiv: 2605.27820v2 Annualce Type: заменить резюме: поскольку агенты АИ все чаще действуют в условиях открытого реального мира, они требуют глубокого синергизма мультимодального восприятия, ссылки на инструменты с многофункциональной аргументацией и динамического взаимодействия с пользователями. Вместе с тем существующие контрольные показатели не позволяют совместно оценить эти возможности в силу трудностей, связанных с разработкой строго совмещенных многоплановых задач, моделированием естественной и узкоспециализированной обратной связи между пользователями и обеспечением объективной оценки динамического взаимодействия. Для преодоления этого разрыва мы представляем EgoBench, первый интерактивный мультимодальный эталонный показатель для агентов с использованием инструментов. "ЭгоБенч" включает в себя 1590 задач на основе экоцентрических видеоматериалов, охватывающих пять ежедневных сценариев, а также интерактивную среду для оценки с помощью пользовательского инструмента. Мы внедряем трехэтапный синергетический трубопровод, через который каждая задача предназначена для обеспечения совместного применения визуального восприятия и многофункциональных рассуждений. Кроме того, мы разрабатываем многоагентную модель.