InfoQ · AI/ML· Sergio De Simone·· 2 天前AI 评分34
Google 发布 Android Bench 2.0：新增长周期任务、Agent 评测与连续评分
Android Bench 2 Adds Support for Long-Horizon Tasks, Agentic Evaluation, and Continuous Scoring
AI 导读
Google 发布 Android Bench 2.0，新增长周期任务（LHT）、Agent 评测与连续评分，取代此前的二元通过/失败判定。LHT 指需工程师数天甚至一周完成的复杂任务，如升级依赖、从零构建应用、将跨平台应用迁移到 Android。
来源：InfoQ · AI/ML · infoq.com