HF Daily Papers·· 3 天前精选AI 评分37
CLASHarness：通过可控可验证生成流水线评测计算机使用中的多智能体冲突
CLASHarness: Benchmarking Multi-Agent Conflict in Computer Use via a Controllable and Verifiable Generation Pipeline
AI 导读
CLASHarness 提出生成可验证多智能体冲突任务的计算机使用基准，含 600 个多轮场景，由分层场景规划与八步验证微流水线构建，预先提交关键视觉事实并从执行轨迹直接编译混合评分器，保证任务在构造上可解。
推荐理由
原文给出用预提交视觉事实与执行轨迹编译评分器的可控生成流水线，可作为多智能体冲突评测的构造范式。
来源：HF Daily Papers · huggingface.co