ServiceNow 与麦吉尔发布 AgentHorizon：1373 项任务考 AI 裁判

ServiceNow Research 与麦吉尔大学等发布 AgentHorizon 基准，用 1373 个跨三操作系统的 computer-use 任务评测 LLM 裁判判断长程 agent 轨迹成败的能力。