待验证50% 置信基准精确时间

CMU的Odyssey基准包含200个任务，每个任务配有多条rubric，支持部分得分而非单一二元判定

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/26

首次发现

有效期至：2026/12/25

来源

CMU公开课深度解读：计算机操作智能体（CUA）的演进、评测与训练

涉及实体

Odysseyproduct CMUcompany

相关事实

待验证研究团队在三类任务上评估了MAGS：100个CUDA内核、100个终端脚本、20个机械臂任务，总计220个样本63% 相似待验证CAD World包含200个任务，覆盖11个工作流类别、183个不同知识点62% 相似待验证在训练阶段，系统在1000个任务中通过了995个59% 相似待验证xAI已建成Colossus 2000MW级训练集群，正在训练Block5的6万亿和12万亿参数版本57% 相似待验证深蓝每秒能评估约2亿个棋局位置，采用Alpha-Beta剪枝搜索算法，配备480颗专用芯片56% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/951425

API

curl https://kongchang.com/api/v1/knowledge/claims/951425

MCP

get_claim(id=951425)