KNOWS 基准发布：最强网页 Agent 长任务成功率不足 3%

犹他大学等研究团队发布 KNOWS 基准，填补现有 computer-use 评测的空白：不再只考察搜索能力，而是评估网页 Agent 在开放式、复杂的浏览器多步工作流中检索、综合信息并产出文档、幻灯片、表格等最终成品的能力。评测结果显示，即便最强的网页 Agent，在这类复杂长任务上的完全成功率也不足 3%，暴露出当前 Agent 在「搜索之后」的深度综合与产出环节仍存在明显短板。

2026-10-18 ~ 2026-10-18 · 2 条相关