已验证65% 置信事实精确时间

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

3

来源数

65%

置信度

长期有效

时效性

2026/9/10

首次发现

来源

Meta Muse Spark 1.3深度评测：顶级代码能力与超低定价的真相

涉及实体

OS Worldconcept 卡内基梅隆大学company

相关事实

待验证OSWorld 2.0采用三层质量保证流程：AI生成初始单元测试、两名独立标注员交叉完成任务、多个前沿AI代理试跑暴露评分漏洞73% 相似待验证GAIA基准测试由Meta等机构联合推出，专门评估AI系统在真实世界任务中的通用助手能力71% 相似待验证该AI+自动化测试体系以Skill加CLI为核心中枢，向上支撑平台化与数字员工两种落地形态67% 相似待验证Microsoft的Copilot、Google的Gemini、苹果的Apple Intelligence等各大厂商都在探索让AI更全面理解用户数字生活64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/888679

API

curl https://kongchang.com/api/v1/knowledge/claims/888679

MCP

get_claim(id=888679)