跳到正文
热点事件持续更新

Realtime-Bench评测智能体实时决策

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

UT Austin、NVIDIA、俄亥俄州立大学、UIUC与西北大学团队在arXiv发布Realtime-Bench,用于评测智能体在动态Game/Web界面中的实时决策能力;测试中最佳Wall Clock成功率为44%,三轮全部通过的Pass-cubed为36%,增加推理时间并未稳定改善表现。 该基准采用固定帧率截图与Set-of-Marks,智能体只能输出GUI动作,环境随后推进至下一帧。Wall Clock计入真实推理延迟;Paused Clock移除延迟、暂停环境时间,作为理想参照;团队提出的Token Clock则按生成token数推进模拟时间,用于分离模型时机决策与实际服务速度的影响。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月22日
  1. AGI Hunt
    UT Austin 等发布 Realtime-Bench 评测 agent 实时决策能力

    UT Austin、NVIDIA、俄亥俄州立、UIUC 与西北大学团队在 arXiv 发布 Realtime-Bench,用于评测 agent 在动态环境中的实时决策能力。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。