state-grounding

SAGE是一种新颖的任务导向对话智能体评估框架，它将评估基于对话状态变化，并使用弃权机制来提供成本效益高、准确的回合级判断，无需昂贵的LLM调用。

StateAct 提出了一种代码优先的多代理系统，用于长时域计算机使用代理，该系统直接操作程序状态而非截图，在 OSWorld2.0 上实现了更高的成功率和更低的成本。