Today we’re also previewing WildArtifactBench, an internal evaluation framework designed to assess a...
AI at Meta(@AIatMeta)143 字 (约 1 分钟)
85
Meta发布WildArtifactBench，一种基于人类和代理偏好评估多模态代理的框架，提升任务覆盖范围。
入选理由：WildArtifactBench使用胜率和Elo分数替代传统评分标准评估代理性能
精选推文#AI评估#多模态代理#Meta#Elo评分英文