Arena 提出 Interaction-as-a-Judge：让 computer-use agent 操作应用与游戏进行评测

Arena 研究实习生、CMU 博士候选人 Wayne Chi 提出 Interaction-as-a-Judge，让 computer-use agent 实际操作应用和游戏，并依据交互轨迹评测下游生成。偏好评估使用 Code Arena 的真实对战数据，正确性评估从 Agent Arena 的真实用户投诉中挖掘需求。