CLASHarness: Đánh giá điểm số xung đột đa đại lý trong việc sử dụng máy tính thông qua quy trình sản xuất có thể kiểm soát và xác minh
CLASHarness: Benchmarking Multi-Agent Conflict in Computer Use via a Controllable and Verifiable Generation Pipeline
Đoạn trích bài viết
Các mô hình ngôn ngữ thị giác (VLM) ngày càng được triển khai trong các hệ thống đa đại lý để tự động hóa các luồng công việc sử dụng máy tính phức tạp, tuy nhiên bài đo chuẩn hiện có chủ yếu giả định môi trường hợp tác nhất quán.
Toàn văn bài viết
Mở bài viết gốc
Đọc bài viết đầy đủ trên huggingface
Mở bài gốc để xem trọn vẹn chi tiết và dẫn chứng.