标签

事实核查 5

2026-07-30AI

OSWorld 90.19% 的成绩核验：框架、代码动作与步数上限

一则厂商稿称首个桌面 agent 突破 90%。解析 OSWorld 官方评测表核对：成绩属实，但记录同时显示它是智能体框架、启用代码动作、步数上限 100——这三项决定该数字的解读边界。

相关的一手文献

必要难度 2011
Making Things Hard on Yourself, But in a Good Way: Creating Desirable Difficulties to Enhance Learning
素数判定属于 P 2004
PRIMES is in P
通信的数学理论 1948
A Mathematical Theory of Communication
计算机器与智能 1950
Computing Machinery and Intelligence