ComponentBench：诊断计算机操作 Agent 的组件级失败

英文标题：ComponentBench: Diagnosing Component-Level Failures in Computer-Use Agents

ComponentBench 是一项面向计算机操作 Agent 的评测工作，聚焦诊断组件级交互失败。现有评测通常分为长时程工作流基准和原子级 GUI 定位测试，两者之间缺少对真实组件交互的充分衡量。该基准旨在覆盖诸如切换一组按钮等以界面组件为中心的交互场景，为开发者定位 Agent 在中间层操作能力上的薄弱环节提供工具。

2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB