workflow-evaluation

#workflow-evaluation

Workflow-GYM：面向真实世界专业领域中计算机使用代理任务的长期评估

Hugging Face Daily Papers ↗ · 2026-06-09 缓存

Workflow-GYM 是一个用于评估 AI 代理在专业领域中长期 GUI 任务的基准。实验表明，即使是最先进的模型也仅能达到约 30% 的成功率，揭示了重大挑战。

0 人收藏 0 人点赞