Buchumschlag

AppWorld: A Controllable World of Apps and People for Benchmarking Interactive Coding Agents

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Trivedi, Harsh, Khot, Tushar, Hartmann, Mareike, Manku, Ruskin, Dong, Vinty, Li, Edward, Gupta, Shashank, Sabharwal, Ashish, Balasubramanian, Niranjan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Software Engineering Artificial Intelligence Computation and Language Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Leveraging In-Context Learning for Language Model Agents
von: Gupta, Shivanshu, et al.
Veröffentlicht: (2025)

ADaPT: As-Needed Decomposition and Planning with Language Models
von: Prasad, Archiki, et al.
Veröffentlicht: (2023)

SUPER: Evaluating Agents on Setting Up and Executing Tasks from Research Repositories
von: Bogin, Ben, et al.
Veröffentlicht: (2024)

Bias Runs Deep: Implicit Reasoning Biases in Persona-Assigned LLMs
von: Gupta, Shashank, et al.
Veröffentlicht: (2023)

MoNaCo: More Natural and Complex Questions for Reasoning Across Dozens of Documents
von: Wolfson, Tomer, et al.
Veröffentlicht: (2025)

EmergentTTS-Eval: Evaluating TTS Models on Complex Prosodic, Expressiveness, and Linguistic Challenges Using Model-as-a-Judge
von: Manku, Ruskin Raj, et al.
Veröffentlicht: (2025)

Leveraging Code to Improve In-context Learning for Semantic Parsing
von: Bogin, Ben, et al.
Veröffentlicht: (2023)

A Survey on Complex Tasks for Goal-Directed Interactive Agents
von: Hartmann, Mareike, et al.
Veröffentlicht: (2024)

MMTABREAL: Real-World Benchmark for Multimodal Table Understanding
von: Titiya, Prasham, et al.
Veröffentlicht: (2025)

Principios de química inorg nica / G. S. Manku ; traducción de Raymundo Cea Olivares
von: Manku G. S
Veröffentlicht: (1988)

Principios de química inorg nica / G. S. Maku ; traductor Raymundo Cea Olivares
von: Manku, G. S

MVISU-Bench: Benchmarking Mobile Agents for Real-World Tasks by Multi-App, Vague, Interactive, Single-App and Unethical Instructions
von: Huang, Zeyu, et al.
Veröffentlicht: (2025)

MapVerse: A Benchmark for Geospatial Question Answering on Diverse Real-World Maps
von: Bhat, Sharat, et al.
Veröffentlicht: (2026)

Husky: A Unified, Open-Source Language Agent for Multi-Step Reasoning
von: Kim, Joongwon, et al.
Veröffentlicht: (2024)

SimuWoB: Simulating Real-World Mobile Apps for Fast and Faithful GUI Agent Benchmarking
von: Liu, Guohong, et al.
Veröffentlicht: (2026)

A Little Depth Goes a Long Way: The Expressive Power of Log-Depth Transformers
von: Merrill, William, et al.
Veröffentlicht: (2025)

Exact Expressive Power of Transformers with Padding
von: Merrill, William, et al.
Veröffentlicht: (2025)

The Expressive Power of Transformers with Chain of Thought
von: Merrill, William, et al.
Veröffentlicht: (2023)

A Logic for Expressing Log-Precision Transformers
von: Merrill, William, et al.
Veröffentlicht: (2022)

On the Reasoning Abilities of Masked Diffusion Language Models
von: Svete, Anej, et al.
Veröffentlicht: (2025)

Safe Equilibrium Policy Optimization for Strategic Agent Policies
von: Arumugam, Karthika, et al.
Veröffentlicht: (2026)

Certificates without Electrons? Theory and Evidence on Impacts from AI-Driven Power Demand
von: Golden, Dana, et al.
Veröffentlicht: (2026)

Efficient Generation of Diverse Cooperative Agents with World Models
von: Loo, Yi, et al.
Veröffentlicht: (2025)

ng-reactive-lint: Smarter Linting for Angular Apps
von: Balasubramanian, Shrinivass Arunachalam
Veröffentlicht: (2025)

DiscoveryBench: Towards Data-Driven Discovery with Large Language Models
von: Majumder, Bodhisattwa Prasad, et al.
Veröffentlicht: (2024)

Is Vibe Coding Safe? Benchmarking Vulnerability of Agent-Generated Code in Real-World Tasks
von: Zhao, Songwen, et al.
Veröffentlicht: (2025)

Teaching an Old LLM Secure Coding: Localized Preference Optimization on Distilled Preferences
von: Hasan, Mohammad Saqib, et al.
Veröffentlicht: (2025)

Procedural Environment Generation for Tool-Use Agents
von: Sullivan, Michael, et al.
Veröffentlicht: (2025)

VISTA: An End-to-End Benchmark for Visual Spec-to-Web-App Coding Agents
von: Guo, JunJia, et al.
Veröffentlicht: (2026)

SecRepoBench: Benchmarking Code Agents for Secure Code Completion in Real-World Repositories
von: Shen, Chihao, et al.
Veröffentlicht: (2025)

WorldCoder, a Model-Based LLM Agent: Building World Models by Writing Code and Interacting with the Environment
von: Tang, Hao, et al.
Veröffentlicht: (2024)

ViMo: A Generative Visual GUI World Model for App Agents
von: Luo, Dezhao, et al.
Veröffentlicht: (2025)

Understanding the Logic of Direct Preference Alignment through Logic
von: Richardson, Kyle, et al.
Veröffentlicht: (2024)

The Illusion of State in State-Space Models
von: Merrill, William, et al.
Veröffentlicht: (2024)

TerminalWorld: Benchmarking Agents on Real-World Terminal Tasks
von: Chu, Zhaoyang, et al.
Veröffentlicht: (2026)

Towards Adaptable and Interactive Image Captioning with Data Augmentation and Episodic Memory
von: Anagnostopoulou, Aliki, et al.
Veröffentlicht: (2023)

Coding Agent Is Good As World Simulator
von: Wang, Hongyu, et al.
Veröffentlicht: (2026)

There's an App for That: Exploring the Market for Contraceptive Fertility Tracking Apps in the Philippines
von: Kendal Danna, et al.
Veröffentlicht: (2024)

Planet App: Kids' Book Apps Are Everywhere. But Are They Any Good?
von: Bird, Elizabeth
Veröffentlicht: (2011)

The App Squad: SLJ's Advisors Weigh in on Kids' Book Apps
von: Ishizuka, Kathy
Veröffentlicht: (2011)