会员服务
Gym-Anything-RT: Scaling Real-Time Environments for Vision-Language Agents
Arxiv
0+阅读 · 10月27日
Monitor Accuracy Isn't the Answer: A Decision-Value Framework for Evaluating AI Agent Restart Monitors
Arxiv
0+阅读 · 10月27日
Babysitting AI Agents: A User-Centered Taxonomy and Study of Agentic Delegation Failures
Arxiv
0+阅读 · 10月26日
Closing the empirical loop: autonomous AI agents conduct end-to-end research with human participants
Arxiv
0+阅读 · 10月26日
SearchHorizonBench: A Benchmark for Search Value in AI Agents
Arxiv
0+阅读 · 10月26日
Adaptive Probe Design for Auditing AI Agents
Arxiv
0+阅读 · 10月26日
Agentic Societies Need a Social Harness
Arxiv
0+阅读 · 10月24日
NovaFabric: A Black-Box Recorder for AI Agents with Sealed, Replayable, Diffable and Auditable Runs
Arxiv
0+阅读 · 10月25日
What Will Replace Pull Requests? Rethinking Software Collaboration for AI Agents
Arxiv
0+阅读 · 10月26日
Human-AI Synergy in Agentic Code Review
Arxiv
0+阅读 · 10月26日
Infinity Machine: a self-improving AI agent for research
Arxiv
0+阅读 · 10月26日
SlowLab: Benchmarking Autonomous AI Agents on a Year of Experiments They Cannot Undo
Arxiv
0+阅读 · 10月26日
HealthAgentBench: A Unified Benchmark Suite of Realistic Agentic Healthcare Environments for Challenging Frontier AI Agents
Arxiv
0+阅读 · 10月25日
Agentic Hazard Mapper: Emulating Expert Map-Making with AI Agents for Risk Communication
Arxiv
0+阅读 · 10月23日
AgentGUI: An Interface for Observing and Steering Long-Running AI Agents
Arxiv
0+阅读 · 10月23日
参考链接
微信扫码咨询专知VIP会员
Top