Screenshots or Tools? Eliciting Tool Use and Managing Multimodal Context in Hybrid GUI-MCP Computer-Use Agents
arxiv.org原文 ↗
OSWorld-MCP 在 309 个任务上控制工具集合，发现同一工具让推理模型提高 4.0 个百分点，却让非推理模型下降 5.9 个点，每个条件重复 5 次且差异超过 2 个标准误。
–浏览
arxiv.org原文 ↗
评论 · Comments