智能体
www.infoq.com ·
@Sergio De Simone
Android Bench 2 新增长时程任务、Agent 评估与连续评分支持
InfoQ 报道 Google 发布 Android Bench 2.0，这是其面向 Android 开发任务评估 AI 模型与 Agent 的基准框架的重大更新，引入长时程任务（LHT）、基于 Agent 的评估和连续评分，以更好衡量复杂多步开发任务的表现。
AI推荐理由 InfoQ 报道 Google 发布 Android Bench 2.0，新增长时程任务、基于 Agent 的评估和连续评分，用于衡量 AI 模型与 Agent 在 Android 开发任务上的表现；对 Agent 评测方法有参考价值，但输入未给出具体任务集、评分机制细节或实测结果。
72
正文
Google has released Android Bench 2.0, a major update to its benchmark framework for evaluating AI models and agents on Android development tasks. The update introduces long-horizon tasks (LHTs), agent-based evaluation, and continuous scoring to better assess performance on complex, multi-step development tasks. By Sergio De Simone