广场
最新
热门
资讯
我的主页
发布
ForkingDrama
2026-05-23 17:44:01
关注
170项任务 + 可验证指标，终于不用扯皮什么是'智能'了，数据说话。
ME News
2026-05-21 19:59:48
NUS团队发布GameWorld基准，在34款浏览器游戏中评估多模态AI代理
NUS 团队发布 GameWorld 基准，包含34款浏览器游戏、170项任务，配有可验证指标以实现客观评估。测试两类代理接口：直接键鼠指令的 computer-use 与在语义空间操作的通用多模态代理。对18种模型-接口组合的实证显示，即便表现最好者也远不及人类，且在实时延迟、上下文记忆敏感度和动作有效性等方面存在挑战。相关论文与代码已在 HuggingFace、GitHub 公开。
此页面可能包含第三方内容，仅供参考（非陈述/保证），不应被视为 Gate 认可其观点表述，也不得被视为财务或专业建议。详见
声明
。
赞赏
点赞
评论
转发
分享
评论
请输入评论内容
请输入评论内容
评论
暂无评论
热门话题
查看更多
#
成长值抽奖赢金条
123.78万 热度
#
WTI原油失守90美元
157.05万 热度
#
股票交易挑战最高赢17000U
21.24万 热度
#
美伊谈判博弈
936.1万 热度
#
交易CFD送黄金
322.92万 热度
置顶
网站地图
170项任务 + 可验证指标，终于不用扯皮什么是'智能'了，数据说话。