Hot eventLive
AgentHorizon：长程计算机使用任务评测基准发布
1 reports1 sources3 hr ago updated
Get the story
AI overview
2026年10月9日，研究者在 arXiv 发布 AgentHorizon 基准，用于评测长程计算机使用任务中的智能体裁判。该基准包含 1,373 个计算机使用任务（指令-轨迹对），轨迹来自 166 小时、覆盖三个操作系统的人类录制；研究团队还通过交换相近指令构造负样本任务，以检验裁判对任务差异的判别能力。目前公开信息仅涉及基准构成与构造方式，尚无后续评测结果或外部验证报道。
Generated from reports · updated 3 hr ago
LatestOct 9
AgentHorizon 基准发布，含1,373个任务与166小时三系统人类录制轨迹。Timeline
Follow the coverage from different angles.
Oct 9, 2026
- arXiv · Artificial IntelligenceAgentHorizon：评测长程计算机使用任务中的智能体裁判
研究者发布 AgentHorizon 基准，含 1,373 个计算机使用任务（指令-轨迹对），来自 166 小时、覆盖三个操作系统的人类录制轨迹，并通过交换相近指令构造负样本任务。
Heat trend
Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.