RecreationWorld：跨五平台的计算机使用智能体基准，GPT-6 得分 58.1%
Shuai Bai · hf · 2026-09-21
Hugging Face 新发布的 RecreationWorld 是面向混合型计算机使用智能体（CUA）的可扩展、可验证环境框架，横跨 Ubuntu、macOS、Windows、Android 和 Web 五个平台。
核心设计：以「复刻」（recreation）为任务——给定一个运行中的参考应用，智能体须自行发现其行为并在无预设流程下忠实重建它。参考程序作为隐藏行为测试的 oracle，提供基于执行的奖励信号；框架统一提供原生 GUI 控制与编码工具。
数据与效果：用高质量开源应用规模化生成轨迹，在这些轨迹上训练的模型在五个分布外的编码与混合 CUA 基准上均有提升，且更常对渲染输出做视觉验证。
RecreationBench：250 个跨领域跨平台任务，含程序化与视觉断言，经人工审核冻结。
结果：GPT-6 Astra 以 58.1% 总分领先，但仅在 2.8% 的任务上通过全部程序化测试；智能体更擅长复现静态界面结构，而非交互与计算输出；生成的应用普遍比参考程序更小、更单体化。基准、环境与测试套件均已开源。
「编程与Agent」频道最新
- 人大团队提出 EvoOntology:自进化本体层弥合数据智能体鸿沟 — RUC-DataLab · 2026-09-21
- 小米 CodeMidas:从源码自动生成 5545 个 RL 环境训练编程智能体 — XiaomiMiMo · 2026-09-21
- GraphSkillEvo:用图结构与进化算法优化 LLM 智能体技能 — Rui Sun · 2026-09-21
- 开发者晒分模型工作流：Grok 管日常编码,GPT-6 只啃硬骨头 — minchoi · 2026-09-21
- Meta Muse 惠及日常还是接管人生？个人 Agent 权限边界引争论 — yi111 · 2026-09-21
- 决策模型上线的三步法：测校准、按错判代价设阈值、锁版本 — colinmcnamara · 2026-09-21