Arena 提出交互即评判评估范式

事件综述根据 1 篇报道整理，11月13日更新

Arena.ai 提出“交互即评判”（Interaction-as-a-Judge）评估范式，让计算机使用智能体直接操作游戏和应用来改进评估。Arena 称，该范式提升了与用户偏好的一致性、模型检测游戏错误的能力以及下游生成，并随计算机使用能力增强而扩展。 团队同时开源了 ArenaWebdevPreferences 和 ArenaWebdevCorrectness 两个智能体轨迹数据集。上述效果均为 Arena 自述，报道未说明证据阶段或复现情况。

综述由模型根据报道生成，细节以各篇原文为准。