TerminalWorld：顶级AI Agent在真实终端任务中通过率仅62.5%
jiqizhixin · x · 2026-07-03
UCL、南京大学与腾讯联合推出 TerminalWorld，通过逆向真实终端录像构建了覆盖 18 类工作流的 1530 个任务 benchmark。当前最优 agent 通过率仅 62.5%，且分数与现有 benchmark 相关性极低，暴露了 AI agent 在真实终端环境中的能力瓶颈。论文已发布于 arXiv，代码与项目主页同步开放。
「编程与Agent」频道最新
- 受 OpenAI 万机群启发，开发者开源 agent 众包解题平台 — Benjaminsen · 2026-09-11
- 开源 Mac 应用 Lucid：只在跑 AI 时阻止笔记本休眠 — Pitiful_Hedgehog_600 · 2026-09-11
- 20kb 函数匹配达成,banteg 召集 AI 逆向 Snail Mail 剩余 20 个挑战 — banteg · 2026-09-11
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11