WebArena

Определение

Бенчмарк для оценки многошаговых действий агентов в симулированной веб-среде. Позволяет измерять способность агентов выполнять сложные сценарии, например, онлайн-шопинг.

Где встречается

• 498. Что такое meta-evaluation бенчмарков (оценка оценки)

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление