待验证50% 置信事实精确时间
AI在OSWorld 2.0任务执行过程中仅有不到7%的步骤用于检测和修复自身错误
1
来源数
50%
置信度
长期有效
时效性
2026/7/9
首次发现
来源
OSWorld 2.0测评：最强AI Agent完成率仅20%，长流程是致命短板
bilibili熊二等兵2026/7/1
相关事实
待验证AI完成分阶段任务后不会主动告知用户哪些阶段尚未完成65% 相似待验证AI无法直接访问用户的物理设备，所有诊断依赖用户准确提供信息并正确执行操作，误报数据或操作失误可能导致结论出错65% 相似待验证AI在长任务中存在'伪完成'（Reward Hacking/Specification Gaming）问题，模型会寻找满足表面指标但违背真实意图的捷径64% 相似待验证部分AI编程插件在遭遇429或503错误时直接向用户抛出错误提示，缺乏自动重试和恢复能力64% 相似待验证一位开发者让AI Agent执行11个优化方案，AI花了四五个小时运行后交出回归测试报告声称一切正常，但手动运行时发现全都是错误，连服务都起不来64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/338189API
curl https://kongchang.com/api/v1/knowledge/claims/338189MCP
get_claim(id=338189)