ServiceNow与McGill发布AgentHorizon评判基准
热点事件持续更新
ServiceNow与McGill发布AgentHorizon评判基准
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
ServiceNow 与 McGill 发布论文与评判基准 AgentHorizon，用于测试 AI 评委判断 computer-use 长任务的表现。该基准包含 1,373 个评判任务，来源是人类屏幕录制及指令互换后的近似任务。 研究发现，AI 评委仍会漏掉长任务中的细微错误，即使为其提供工具，表现也不稳定。
AI 根据报道生成 · 2 小时前更新
最新进展10月14日 17:52
ServiceNow 与 McGill 新论文：AI 评委难辨长任务细微错误报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- Rohan PaulServiceNow 与 McGill 新论文：AI 评委难辨长任务细微错误
ServiceNow 与 McGill 新论文发现，AI 评委仍会漏掉长 computer-use 任务中的细微错误，给它工具也不稳定有用。研究构建了 AgentHorizon，含 1,373 个来自人类屏幕录制、指令互换的近似任务评判样本。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。