rohanpaul_ai· @rohanpaul_ai · X·· 4 小时前AI 评分
AgentHorizon评测长程计算机使用智能体
– arxiv.org/abs/2610.11050 Title: "AgentHorizon: Evaluating Agentic Judges for Long-Horizon Computer-Use Tasks"
– arxiv.org/abs/2610.11050
标题："AgentHorizon：评估用于长时程计算机使用任务的智能体评审员"
来源：rohanpaul_ai · x.com