详细内容或原文请订阅后点击阅览

新平台有助于评估复杂计算机使用的AI

2025年2月22日 16:21 33 Comments
X Twitter Instagram Mail

由Xlang Lab开发的计算机代理Arena是一个开放评估平台，比较基于LLM/VLM的AI代理商的基于计算机的数据。一个国际研究团队开发了计算机代理竞技场，这是一个基于AI的计算机代理的评估平台。该平台可实现可以在多个应用程序上执行复杂的计算机任务的AI系统的测试和开发。这代表了[…]新平台迈出的重要一步，有助于评估AI的复杂计算机使用，首先出现在AI新闻中。

来源:AI新闻
视频

视频

    计算机代理Arena是第一个用于计算机使用的交互式评估平台，该平台侧重于多个应用程序。 Excel。 。
  • 计算机代理Arena是第一个用于计算机使用的交互式评估平台，该平台着重于多个应用程序的数据。
  • 该平台基于OSWorld，这是世界上第一个用于多模式代理的可扩展计算机环境。
  • 用户可以通过在同一任务上测试不同的AI模型的性能。
  • 该系统支持不同的操作系统和应用程序，例如Windows，Google Chrome和Excel。
  • 计算机代理是可以在不持续监视的情况下自动执行任务的软件。
  • 当前的AI模型（例如GPT4和Claude）仍然很难安全有效地作为计算机助手。
  • 平台为下一代AI代理的开发提供了测试床。

    • 由Xlang Lab开发的计算机代理Arena是一个开放评估平台，比较基于LLM/VLM的AI代理商的基于计算机的数据。

    计算机代理竞技场

    什么是计算机代理竞技场？

    计算机代理Arena是由滑铁卢大学，香港大学，Salesforce Research和Carnegie Mellon University的研究人员开发的平台。这种创新的系统是一种广泛的测试环境，在执行复杂的计算机任务时，可以评估和改进AI代理。

    测试环境OS（例如Windows和Linux）。

    artha.xlang.ai

    代理的 复杂的 多模式 当前的 操作系统 测试环境 计算机 执行 评估 研究人员 AI 视频 下一代 用于 应用程序 代理 模型的 Arena 任务 广泛的 代理商 Excel 平台 竞技场 不同的 使用的 交互式