AI圈报论文研究普通
Arena 研究 Interaction-as-a-Judge 评估范式
原始标题：Agents are demonstrating increasingly strong capabilities in recreating games and applications. One likely reason is their growing abilit...
内容摘要
Arena 研究了 Interaction-as-a-Judge 评估范式，让 computer-use 智能体直接与游戏和应用交互来改进评估。该范式提升了与用户偏好的一致性、模型检测游戏错误的能力以及下游生成效果，并在推理时扩展和纯交互强化学习上均有改善，且效果随 computer-use 能力增强而提升。