نشر اختبار مرجعي لمهام طويلة الأمد يعتمد على سجل التصفح الحقيقي

AIMPACT رسالة، 30 أبريل (UTC+8)، أعلن دان فريد على منصة X أن فريقه قام ببناء اختبار مرجعي يعتمد على سجل تصفح المستخدم الحقيقي، يتضمن حوالي 200 مهمة عبر مواقع متعددة، بهدف تقييم معدل نجاح وكفاءة الوكيل في المهام الطويلة الأمد (العديد منها يتطلب عدة ساعات للحل). تم نشر الورقة ذات الصلة بقيادة لورانس ك. وآخرين. يركز هذا العمل على تقييم أداء الوكيل في المهام المعقدة والطويلة المدى على الويب. (المصدر: InFoQ)