提出了Desktop-Delta Bench基准,用于评估计算机使用模型对桌面GUI状态转换的理解,包含时间排序和单动作重建任务,实验发现模型在时序排序和动作推断上存在系统性不足。
机构:NVIDIA
来源:arXiv 2607.26041 | AI4Papers 论文推荐平台