新研究 Interaction-as-a-Judge：让 computer-use agent 亲自试玩来评测生成应用
kohjingyu · x · 2026-11-13
waynechi 的新研究提出 Interaction-as-a-Judge 评测范式：让 computer-use agent 直接操作游戏与应用来做评估。研究发现该范式能提升与用户偏好的一致性、模型检测应用错误的能力，并改善下游生成——包括推理时扩展与纯交互强化学习。且它随 computer-use 能力提升而扩展：模型越强评测越好，形成生成能力与评测能力的正循环。这解释了为什么游戏/应用生成与 computer-use agent 是同时变强的。
所属事件:Arena 提出 Interaction-as-a-Judge，让 Agent 亲自试应用来评测(3 条相关)→
「编程与Agent」频道最新
- HeyGen 免费公开 MCP 提示词，官方账号再放干货 — HeyGen · 2026-11-13
- Claude Code Orchestrator 上线 Pro 订阅，可调度双模型省额度 — clmt · 2026-11-13
- Burkov 观察:vibe coding 让失败从「不知如何开始」变成「就差一点没完成」 — burkov · 2026-11-13
- KubeCon 展台演示:三天从 50 个 Actor 扩到 1600 万 — rakyll · 2026-11-13
- MCP 服务器神秘修复之谜：是你的 Agent 在背后替你反馈 — zeeg · 2026-11-13
- MIT×Meta 论文 ReHarness:让 Agent 用后续结果回头修订旧记忆 — rohanpaul_ai · 2026-11-13