DashAct渐进式诊断基准发布

arXiv发布论文介绍DashAct渐进式诊断基准。该基准包含348条经人工验证的交互轨迹，专为评估GUI智能体在仪表盘分析中的表现而设计。其核心方法是通过系统性变化的上下文与空间支持，将评估分为端到端执行、上下文动作预测及目标定位三个阶段，以区分不同环节的失败原因。 实验表明模型在动作预测和细粒度定位上存在持续困难。基于Qwen的适配研究证明了该基准对提升智能体目标定位具有实用指导价值。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。