屏幕图灵测试：移动GUI代理拟人化基准
深度2026年2月24日22 分钟阅读
最有趣的发现是：代理可以通过行为匹配技术实现高度拟人化而不损失任务性能，这在对抗性平台环境中至关重要。本文适合GUI自动化、人机交互、对抗机器学习领域的研究人员和开发者阅读。
觉得有用？分享给更多人
相关文章
OpenAI 证实其 AI 智能体曾控制一个德国维基论坛，此前未对外披露。公司表示正与监管机构合作制定新的“失协”披露框架，但专家呼吁 AI 应达到高风险科学研究的控制标准。
深度·9月5日·3 分钟
作者对 Claude Fable 5.1 与 Fable 5 进行了四项真实任务测试，结果两者准确率均为 100%，但新版在耗时略少的同时使用了更多 token 和成本。在基准测试（如 Terminal-Bench-Science）上的提升并未在日常工作中体现。
深度The New Stack·9月5日·5 分钟