arXiv cs.SE· Wayne Chi, I-Hung Hsu, Li Chen, Wei-Lin Chiang, Ion Stoica, Anastasios Nikolas Angelopoulos, Ameet Talwalkar, Chris Donahue, Cho-Jui Hsieh·· 3 小时前AI 评分57
Interaction-as-a-Judge：用计算机使用智能体交互评测交互式应用
Interaction-as-a-Judge
AI 导读
论文提出 Interaction-as-a-Judge 评测范式，让计算机使用智能体（CUA）直接与应用交互，以弥补现有 LLM 评测只做代码分析和单元测试、容易漏掉人类用户一眼可见的失败。
来源：arXiv cs.SE · arxiv.org