New Test Checks AI Agents on Vague, Long User Requests
AI স্ক্রিন সহায়কদের বেশিরভাগ পরীক্ষায় ধাপে ধাপে স্পষ্ট নির্দেশ ব্যবহার করা হয়। সাধারণ মানুষ প্রায়ই অস্পষ্ট অনুরোধ করেন, যার অর্থ আগে কী বলা হয়েছে তার ওপর নির্ভর করে। গবেষকরা MemU-Bench তৈরি করেছেন, যা দেখে যে এই AI agent-গুলো অ্যাপ ও স্ক্রিনের সঙ্গে এমন দীর্ঘ, ইতিহাসনির্ভর কথোপকথন কতটা ভালো সামলাতে পারে।
সহজ শব্দকোষGUI agents, Benchmark, Long-horizon
- GUI agents
- GUI agents: যে AI প্রোগ্রাম মানুষের মতো ক্লিক ও টাইপ করে অ্যাপ এবং স্ক্রিন নিয়ন্ত্রণ করে।
- Benchmark
- Benchmark: বিভিন্ন AI সিস্টেম কতটা ভালো কাজ করে তা মাপা ও তুলনা করার জন্য ব্যবহৃত একটি মানদণ্ড পরীক্ষার সেট।
- Long-horizon
- Long-horizon: যেসব কাজে অনেক ধাপ লাগে এবং কথোপকথনে আগে কী ঘটেছে তা মনে রাখতে হয়।
বার্নিং পটেটো স্কোর: 69%