评论称五分钟计时 computer use 测试比多数编码评测更能说明问题

AIFlow_ML · x · 2026-11-18

AI 评论者指出,让模型在五分钟时钟限制下完成 computer use 任务的测试,比大多数编码评测更能反映真实能力。其观察到 Astra 在该项目上并列最佳成绩,认为这一点值得关注。

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →