arXiv · cs.AI· Wayne Chi, I-Hung Hsu, Li Chen, Wei-Lin Chiang, Ion Stoica, Anastasios Nikolas Angelopoulos, Ameet Talwalkar, Chris Donahue, Cho-Jui Hsieh·· 6 小时前
Interaction-as-a-Judge：利用计算机操作代理评估并改进交互式应用
Interaction-as-a-Judge
arXiv:2610.17895v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Wayne Chi, I-Hung Hsu, Li Chen, Wei-Lin Chiang, Ion Stoica, Anastasios Nikolas Angelopoulos, Ameet Talwalkar, Chris Donahue, Cho-Jui Hsieh
研究任务与主要进展
Wayne Chi等人提出 Interaction-as-a-Judge 评测范式，让计算机操作代理直接与应用交互，并发布包含6,858对应用偏好与代理轨迹及222个带人工验证需求标签应用的数据集。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org