Publicado em 25 de abril de 2026, PARE-Bench reúne 143 tarefas para testar agentes em simulações de aplicativos com estado, incluindo inferência de objetivos, momento de intervenção e orquestração entre apps.
Publicado em 25 de abril de 2026, o PARE-Bench avalia agentes proativos em simulações de aplicativos com estado. O método PARE representa aplicativos como máquinas de estados finitos para simular usuários ativos. O benchmark inclui 143 tarefas em apps de comunicação, produtividade, agenda e estilo de vida.
As tarefas testam três capacidades: inferir objetivos, decidir quando intervir e orquestrar ações entre aplicativos. O trabalho oferece a engenheiros uma referência para avaliar agentes em interações sequenciais e com estado. Para verificar os detalhes, consulte a publicação original e confira nela a definição das tarefas, dos ambientes simulados e dos critérios de avaliação; o resumo disponível não especifica resultados quantitativos de desempenho.