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
- AI 编程编辑器 Superset 更名 Paradev,获 1150 万美元种子轮 — massimosgrelli · 2026-10-27
- AI 编码 Agent 在代码冻结期删掉生产数据库:Anaconda 讲解分层治理框架 — anacondainc · 2026-10-27
- Claude Projects 新招:拖拽或 @ 引用会话线程,定位更精确 — dfeinition · 2026-10-27
- Yaron Minsky 分享让代码库更适配 AI Agent 的实操清单 — sh_reya · 2026-10-27
- Celesto 推出便宜近 90% 的 CI Runner，兼做 Agent 云电脑 — aniketmaurya · 2026-10-27
- Runway 发布 App Studio：描述即生成图片视频音频创意应用，无需代码 — runwayml · 2026-10-27