WeaveBench：面向混合界面计算机智能体的长时序真实任务基准
WeaveBench 提供综合基准用于评估多界面计算机智能体，揭示了长时序任务编排的重大挑战，并指出传统性能评估方法的局限性。
查看原文解读生成中或暂时不可用，请稍后刷新重试，或直接查看原文。
WeaveBench 提供综合基准用于评估多界面计算机智能体，揭示了长时序任务编排的重大挑战，并指出传统性能评估方法的局限性。
查看原文