CoArena发布：YC支持的众包Computer-Use基准抗数据泄露

Coasty 推出 CoArena，一个由 Y Combinator 支持的众包 Computer-Use（计算机使用）基准测试平台，号称该领域规模最大。其核心动机是解决现有静态基准的通病：测试数据容易泄露进模型训练集，导致分数持续上涨而实际能力并未提升。通过持续众包新任务，CoArena 试图保持基准的新鲜度，从而更真实地衡量 Agent 的计算机操作能力。

2026-08-23 ~ 2026-08-23 · 2 条相关