CMU 的 Wayne Chi 详解 Interaction-as-a-Judge：用游戏和 App 交互评测计算机操作智能体
Chatbot Arena 团队的人讲了个新评测思路：让智能体去玩游戏、用 App，把操作轨迹交给 LLM judge 打分，评测数据直接来自 Code Arena 和 Agent Arena 的真实用户记录。做 agent 评测或 reward model 的开发者可以看看这个演讲。
#Computer-Use Agent
共 1 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「Computer-Use Agent」标签的资讯、产品与论文，按刊登时间排，新的在上。
11月13日
