基准

Webshop

2022年发布的网页智能体评测基准，提供模拟电商购物环境，用于评测语言模型在网页操作和购物任务中的表现

来源文章

自蒸馏智能体RL的真实检验：10种方法对比GRPO10月15日 CoPE：语言智能体动作与预测协同进化，样本效率提升2倍10月15日 BranchOPD：用分支采样让在线策略蒸馏更高效10月12日 CMU公开课深度解读：计算机操作智能体（CUA）的演进、评测与训练9月26日