腾讯优图实验室 发布 CUARewardBench 数据集, 应用在 计算机使用代理、奖励模型评估 领域

腾讯优图实验室 本次发布的数据集 CUARewardBench, CUARewardBench 是一个用于评估计算机使用代理（CUA）奖励模型的新基准，包含来自 10 个软件类别和 7 种代理架构的轨迹，具有不同的性能水平。所有轨迹都经过专家精心设计的协议进行标注，并通过严格的质量控制确保可靠性和实际适用性。该数据集旨在解决现有奖励模型在视觉推理能力、知识不足和通用 VLM 与专用 CUA 模型之间的优劣比较等问题。

查看CUARewardBench

关于 腾讯优图实验室 , 腾讯优图实验室是腾讯公司下属的一个研究机构，专注于计算机视觉、图像处理和机器学习等人工智能领域的研究，旨在通过技术创新推动社会进步。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。