待验证50% 置信基准精确时间
WebArena和Mind2Web等基准测试表明，当前最强的Web智能体在复杂网页任务上的成功率仍低于50%
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/8/31
首次发现
有效期至：2026/11/29
来源
涉及实体
相关事实
待验证当前最优模型在 WebArena、Mind2Web 等基准测试上的任务完成率通常在 20%-40% 之间77% 相似待验证据公开评测现有桌面Agent在复杂工作流中的成功率普遍低于50%75% 相似待验证Anthropic 官方承认 Computer Use 在复杂任务上的成功率仅约 60-70%64% 相似待验证According to the OSWorld benchmark, the most advanced Computer Use models still achieve less than 40% task success rate63% 相似待验证在一个强化学习实验中，未设置识别虚假世界奖励时，数字生物判断自己是否处于虚拟世界的准确率仅约50%，接近随机猜测61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/832077API
curl https://kongchang.com/api/v1/knowledge/claims/832077MCP
get_claim(id=832077)