Arena 提出交互即裁判：用游戏与应用交互评测 AI 智能体

Arena 研究实习生、CMU 博士候选人 Wayne Chi 提出 Interaction-as-a-Judge 新评测范式，让 computer-use Agent 直接与游戏和应用交互。该方法以实际交互过程作为评判依据，旨在改进传统评测对这类 Agent 的效果，相关讨论已获得社区关注。