待验证50% 置信事实精确时间

OSWorld 和 WebArena 是业界常用的衡量模型在真实界面环境中完成多步任务比例的基准。

1

来源数

50%

置信度

长期有效

时效性

2026/10/26

首次发现

来源

GPT-6.1 Terra发布：让电脑操作更快速普及

涉及实体

OSWorldconcept WebArenaconcept

相关事实

已验证OS World是由卡内基梅隆大学等机构推出的评测基准，测试AI智能体在真实操作系统环境中执行复杂任务的能力68% 相似待验证WebGPU、WebAssembly 等浏览器端技术使在网页中运行AI模型成为现实67% 相似待验证研究团队在ScienceWorld和ALFWorld两个交互式环境基准上验证了SAGA，任务完成表现取得提升65% 相似待验证AI在OSWorld 2.0中执行局部动作表现尚可，核心瓶颈在于长流程中的任务状态维护63% 相似待验证把确定性网页爬虫与 AI 摘要步骤结合可构建全天候提取并浓缩研究资料的系统62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1100827

API

curl https://kongchang.com/api/v1/knowledge/claims/1100827

MCP

get_claim(id=1100827)