微软发布 Windows Agent Arena 基准框架评估Igts 运行主流 Window应用性能

　　我们采用 OSWorld 框架，构建了横跨代表性领域的 150 多项多样化 Windows 任务，这些任务要求代理具备规划、屏幕理解和工具使用的能力。

　　我们的基准测试同样具有可扩展性，能够在 Azure 上无缝并行化，从而在最短 20 分钟内完成全面评估。

　　它被要求根据特定文本提示执行任务，例如：“你能将我正在浏览的网页转换成 PDF 文件并放置在我的主屏幕上吗，就是那个桌面？”结果显示，Navi 的平均任务成功率为 19.5%，相较于人类 74.5% 的表现评分，这一成绩仍显偏低。

　　广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、球速体育官方口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。