Interaction-as-a-Judge：用计算机操作代理评估交互式应用

Wayne Chi 等人提出 Interaction-as-a-Judge 评测范式，让计算机使用代理（CUA）直接与生成的交互式应用进行交互，以评估并改进应用，并提交了相应论文。 作者同时发布了两个配套数据集：包含 6,858 对应用偏好的数据（含代理轨迹），以及 222 个带人工验证需求标签的应用。

AI 根据报道生成 · 52 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。