Время Астаны
AI QAZAQSTANKZ · AIБета

Умный портал об искусственном интеллекте и высоких технологиях в Казахстане

Исследования1 мин чтения

Материал агрегирован из первоисточника:

arXiv — cs.AI

Читать полностью в arXiv — cs.AI

Материал собран из открытых источников. Если размещение затрагивает ваши права → Удалить информацию

Заголовок на английскомAgentHorizon: Evaluating Agentic Judges for Long-Horizon Computer-Use Tasks

Computer-use agents are capable of completing complex tasks, increasing the use of automatic judges to determine success, either for training or for evaluation without human involvement. Despite their flexibility, their reliability on long tasks spanning multiple applications…

arXiv — cs.AIАвтор: Xing Han L\`u, Dheeraj Vattikonda, Sina Hajimiri, Fatemeh Pesaran Zadeh, Parishad BehnamGhader, Ghazwa Darwiche, Amirhossein Kazemnejad, Christopher Pal, Alexandre Drouin, Siva Reddy9 октября 2026 г. (9 окт.)
Доступно на 1 языках

Кратко от AI: Главные тезисы

  • Computer-use agents are capable of completing complex tasks, increasing the use of automatic judges to determine success, either for training or for evaluation without human involvement
  • Despite their flexibility, their reliability on long tasks spanning multiple applications…
Исследования
KZ·AI C964
Инсайт дня

AgentHorizon: Evaluating Agentic Judges for Long-Horizon Computer-Use Tasks

Теги:#arXiv
Поделиться:

Похожие материалы

Судья отклонил иск сестры Сэма Альтмана о сексуальном насилии

Судья отклонил иск сестры Сэма Альтмана о сексуальном насилии

Во вторник окружной судья США Закари Блюстоун отклонил иск, поданный Энн Альтман в прошлом году, утверждая, что ее брат, генеральный директор OpenAI Сэм Альтман, подвергал ее сексуальному насилию на протяжении всего ее детства. Как ранее сообщало The Guardian, судья написала, что за последний год Энн...

The Verge — AI

К списку