arXiv AI
ComponentBench: диагностика сбоев на уровне компонентов в компьютерных агентах
arXiv:2608.18307v1 Анонс Тип: новый Аннотация: Текущая оценка агентов компьютерного использования разделена между контрольными показателями рабочего процесса с длинным горизонтом и испытаниями на зазе...
arXiv AI