arXiv、プロアクティブエージェント評価の新ベンチマーク「UniClawBench」発表
arXivは7月9日(現地時間)、Zhekai Chen氏らの研究グループが、実世界タスクにおけるプロアクティブなエージェントを評価するための新たなベンチマーク「ユニクローベンチ (UniClawBench)」を発表しました。これは、既存のサンドボックス環境への過度な依存や単一ターン評価に起因する課題を克服することを目指し、開発されました。UniClawBenchは、能力駆動型の設計を特徴とし、動的かつ現実世界の設定において、エージェントの多角的な能力を詳細かつ網羅的に評価することを可能にします。