Arena提出交互轨迹评测方法

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。

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。