跳到主要内容
检索

Zhiyao Xu

1 篇关联报道

订阅更新
  1. arXiv

    智能体只靠屏幕重建陌生软件:SWE-Recreation上最强系统完整复现不足四分之一需求

    SWE-Recreation把“先自己用懂、再重建”变成可测任务:智能体只能看渲染像素、用指针和键盘操作,不能读DOM、源码、日志或后端。基准覆盖54个真实应用(28个网站、26个Android应用)和1446条隐藏需求,五个前沿系统在应用等权平均下最高加权保真度0.530,完整复现需求最多22.9%。

已读完全部报道