PersonaCUABench: Đánh giá điểm số của các agent sử dụng máy tính phục vụ các cá nhân khác nhau

Đoạn trích bài viết

Các agent sử dụng máy tính (CUA) thường được đánh giá dựa trên các đặc điểm nhiệm vụ cố định, nhưng người dùng có thể bỏ qua các yêu cầu, thêm hạn chế hoặc yêu cầu phê duyệt trước khi hành động hậu quả. Việc hoàn thành hướng dẫn chuẩn không đảm bảo phục vụ người yêu cầu. Chúng tôi giới thiệu PersonaCUABench,.