Arena.ai (@arena)T1·智能体与协同
62 分
Arena.ai 提出 Interaction-as-a-Judge 评测范式,让 computer-use 智能体直接操作游戏与应用来完成评估,在用户偏好对齐、错误检测和下游生成上均有提升。团队同时开源 ArenaWebdevPreferences 与 ArenaWebdevCorrectness 两个智能体轨迹数据集,支持后续研究。
Arena 开源的网页开发智能体轨迹数据集,用于正确性评测研究
Arena.ai 提出 Interaction-as-a-Judge 评测范式,让 computer-use 智能体直接操作游戏与应用来完成评估,在用户偏好对齐、错误检测和下游生成上均有提升。团队同时开源 ArenaWebdevPreferences 与 ArenaWebdevCorrectness 两个智能体轨迹数据集,支持后续研究。