Big Model Weekly | 第19期

点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入！1.MMInA: Benchmarking Multihop Multimodal Internet Agents该研究提出了 MMInA，一个多跳和多模式基准，用于评估具有网站体现的自主代理在完成复杂用户任务时的性能。现有的基准测试未能在现实且不断发展的环境中评估它们，以适应跨网站的体现任务。为了回答这个问题，该研究提出了 MMInA，这是一个多跳和多模式基准，用于评估具有组合性互联网任务的体现代理，具有几个吸引人的特性：1）不断发展的真实世界多模式网站。该基准独特地在不断发展的真实世界网站上运行，确保了高度的现实感和适用性于自然用户任务。该数据包括 1,050 个人工编写的任务，涵盖购物和旅行等各种领域，每个任务需要代理从网页中自主提取多模式信息作为观察结果；2）多跳网页浏览。 该数据集包含自然组合的任务，需要 ………………………………