Тест, свързан с ръководство · Среден Ниво

Тест за агенти, използващи компютър

Прегледайте как агентите, използващи компютър, възприемат екрани, издават действия на интерфейса, използват метаданни за достъпност и се справят с риска от изпълнение.

Свързани ръководни пътекиАгенти, използващи компютър
Въпрос 1 на 8

Как агентът, използващ компютър, основно взаимодейства със софтуера?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Как агентът, използващ компютър, основно взаимодейства със софтуера?
    • Като гледате екрана и създавате кликвания, пишете и превъртате
    • Чрез редактиране на изходния код на програмата
    • Чрез изпращане на имейл до разработчиците
    • Използвайки само гласови команди
  2. Какво е основното предимство на работата на ниво пиксел и натискане на клавиш?
    • Винаги е по-бърз от API
    • Може да използва софтуер, който няма програмен интерфейс
    • Никога не прави грешки
    • Изобщо не изисква модел
  3. Какво получава агентът, за да реши следващото си действие?
    • Печатно ръководство
    • Банковата парола на потребителя
    • Нова екранна снимка на дисплея
    • Списък на всеки файл на диска
  4. Кой от тях е реален пример за продукт на агент, използващ компютър?
    • Макрос за електронна таблица от 1995 г
    • Статичен уебсайт
    • USB кабел
    • Използването на Claude компютър от Anthropic
  5. Защо агентите, използващи компютър, често се изпълняват в среда с пясъчна среда?
    • Тъй като предоставянето на контрол върху машина на агент поражда опасения за безопасността
    • За да ги направи по-бавни нарочно
    • Тъй като пясъчниците добавят повече пиксели
    • Защото е задължително навсякъде по закон
  6. Какво е общото предизвикателство за надеждността за тези агенти?
    • Твърде малко клавиатури
    • Щракванията се приземяват върху грешен елемент поради несъвършено визуално заземяване
    • Изобщо без екран
    • Работи само на хартия
  7. What can an accessibility tree provide in addition to a screenshot?
    • A guarantee that every click will succeed
    • The application’s source code and private database
    • Structured UI element roles, labels, and properties that can help identify controls
    • A record of the model’s hidden reasoning
  8. What does the OSWorld benchmark ask computer-use agents to do?
    • Only classify static screenshots
    • Generate source code without interacting with a computer
    • Answer questions about a single pre-rendered webpage
    • Complete open-ended tasks in real desktop and web applications within an operating-system environment