谷歌发布 Android Bench 2.0，新增长周期任务、智能体评估与连续评分

谷歌发布了 Android Bench 2.0，这是其用于评估 AI 模型和智能体在 Android 开发任务上表现的基准框架的重大更新。该更新引入了长周期任务、基于智能体的评估和连续评分，以更好地评估复杂多步开发任务的性能。