AITOP

OSWorld

共 4 条相关 AI 资讯
8月3日
16:01
16:01官方一手pandaily@contact@pandaily.com (Pandaily)
77°
中国智能体InAgent在OSWorld基准上取得90.2%任务成功率，成为首个突破90%的计算机操作智能体。它在系统级任务上达到100%完成率。这一成绩超过OpenAI、Google和Anthropic此前保持的纪录。报道还提到，Harness工程正成为AI竞赛的新前沿。
AI模型InAgentOSWorld智能体
事件专题
推荐理由：InAgent在OSWorld刷到90.2%，系统级任务100%，比OpenAI、谷歌、Anthropic都高，快看。
原文
7月31日
12:53
12:53官方账号arXiv cs.AI@Woongkyu Lee, Jungwook Choi
这项研究在 OSWorld 基准上测试了 Qwen3-VL-8B/30B-A3B、UI-TARS-1.5-7B 和 OpenCUA-7B 三类本地计算机使用智能体。结果表明，上下文扩展可提升轨迹稳定性但收益很快饱和，时间扩展减少 max-step 停滞却不提升任务成功率。结构分解会引入规划和格式化开销，并行扩展能部分缓解但计算成本显著增加。研究建议本地高效智能体需要选择性计算分配和失败感知控制机制。
论文Qwen3-VLUI-TARSOSWorld
推荐理由：这篇论文实测了三个本地模型在 OSWorld 上的推理时扩展，发现多算不一定提升成功率，反而换着花样失败。做本地 CUA 部署的可以当避坑参考。
原文
6月25日
17:30
17:30官方账号Decoder@Matthias Bastian
71°
Google 将“Computer Use”能力直接集成到 Gemini 3.5 Flash，使模型可自主操作电脑、浏览器和移动设备。在 OSWorld 基准测试中，Gemini 3.5 Flash 得分 78.4，与 GPT-5.5 成绩相当。开发者可利用 Gemini API 构建用于软件测试或办公自动化的智能体。
AI模型Gemini 3.5 FlashComputer UseOSWorld
推荐理由：Google 把屏幕操控塞进了 Gemini 3.5 Flash，OSWorld 得分和 GPT-5.5 差不多。开发者直接用 API 就能做自动化，很实在。
原文
5月28日
11:28
11:28官方账号arXiv cs.AI@Suji Kim, Kangsan Kim, Sung Ju Hwang
精选
计算机使用代理（CUA）在多个领域取得进展，但为每个领域部署大型专家模型成本高昂。小模型虽更实用，但在特定领域表现不均。研究发现，简单合成大规模训练数据效果有限。为此，研究者提出LearnWeak框架，利用强参考代理识别小模型的弱点，自动生成针对性任务和训练数据，并引入错误感知的专精目标，区分规划与执行错误。在OSWorld基准上，LearnWeak在八个领域平均提升EvoCUA-8B和OpenCUA-7B分别11.6和11.1个百分点，优于现有方法。
论文计算机使用代理模型专精弱点识别
推荐理由：做小模型领域专精的团队终于有了高效方案——LearnWeak用强模型找弱模型短板，自动生成针对性数据，比盲目合成数据效果好太多，做CUA或自动化代理的开发者值得一试。
原文