AppWorld: A Controllable World of Apps and People for Benchmarking Interactive Agents

2024-07-26 · 已核验

论文信息

进化对象

工具调用、应用交互策略

基准测试

AppWorld

类别

自进化智能体、工具调用、网页智能体

模型关系

3 个

选择研究模式后，论文和原始模型会进入工作台上下文。

代码尚未核验

权重尚未核验

配置尚未核验

环境尚未核验

尚未补充结构化复现记录。

这里只展示数据明确记录的角色与模型关系，不推断未记录的 workflow 边。

策略

GPT-4o

基线

GPT-4Claude 3.5 Sonnet

当前论文记录没有 workflow 边；上方仅展示已记录的角色拓扑，不把 Actor、Environment、Critic 或 Optimizer 关系当作事实。

策略 · 未更新权重 · GPT-4o 作为 AppWorld 智能体骨干接受评估。

基线 · 未更新权重 · GPT-4 在 AppWorld 上参与基准测试。

基线 · 未更新权重 · Claude 3.5 Sonnet 在 AppWorld 上参与基准测试。