(a) 每款游戏的时长显示覆盖范围广泛，其中 846 款游戏的数据时长超过 1 小时，91 款游戏超过 100 小时，15 款游戏超过 1,000 小时。我们收集公开可用的显示“游戏手柄叠加层”的视频。在《星际争霸II》和《Dota 2》等个别游戏中实现了超越人类的性能，但这些智能体的应用范围有限，训练成本高昂，并且依赖于很少能用于所有游戏的专用模拟器。——一个通用的视觉-动作模型，它接收游戏观察

一个新的评估基准，专注于11种现实世界任务类型，这些任务类型在现有基准中代表性不足或缺失。该基准包括609个不同类别的任务，前8个部分测试单一技能或目标（通常在单个网站上），其余3个评估更困难的多步骤或跨站点任务。由于日常变化，实时网站上的代理评估面临独特的挑战。你需要像以前一样为模型提供服务，但你可以使用Magentic-UI，而不是fara-cli，Magentic-UI有一个漂亮的UI（见下

100+COZE扣子工作流合集 实战指导