★ 2
ShowTellArena：评估智能体对业务演示的理解能力
论文提出ShowTellArena基准协议与公开数据集，用于检验智能体在带解说的业务演示后能理解多少。v1.0含50个业务工作流任务、录屏、截图、解说与502道问题，覆盖金融、招聘、采购、库存、物流等。对39个案例218次试点尝试的分析暴露了答案错误与教学体验失败。
arXiv cs.AI40 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出ShowTellArena基准协议与公开数据集，用于检验智能体在带解说的业务演示后能理解多少。v1.0含50个业务工作流任务、录屏、截图、解说与502道问题，覆盖金融、招聘、采购、库存、物流等。对39个案例218次试点尝试的分析暴露了答案错误与教学体验失败。