开源 GUI 智能体跨设备实测:复合任务最佳成功率仅 8%
maier_ak · x · 2026-09-23
JarvisGUI 基准的 118 个原子任务上,开源 GUI 智能体任务成功率介于 28.8%(MAI-UI)到 42.4%(HOLO2);Ubuntu 上最高达 60.7%,而 Windows 上仅约 18%。在 150 个复合任务上,最佳 TSR 仅 8%、SSR 19%;跨多设备的任务 TSR 最高只有 2%,显示当前智能体远不能应对真实多设备工作。
所属事件:JarvisGUI 基准：开源 GUI 智能体跨设备成功率堪忧(4 条相关)→
「编程与Agent」频道最新
- 两人小公司用 46 个 AI Agent 运营：审批门禁、哈希锁文件与翻车复盘 — dkovl · 2026-11-12
- LlamaIndex 让 AI Agent 渗透测试自家 LlamaParse，四天暴露四条经验 — llama_index · 2026-11-12
- Manhattan 字体 v0.0.1：每个字母都是一个 Python 函数 — allanyu_ · 2026-11-12
- 用 Backplane「提示词造出」任意扩展卡,网友呼吁扩展口回归标配 — _Stocko_ · 2026-11-12
- Agent 会话跑了 51 分钟烧 24.8 万 token,网友直呼还在干活 — _Stocko_ · 2026-11-12
- 可视化 AI Agent 团队协作：每个 Agent 一间「房间」，共享知识库 — LiorAloni11 · 2026-11-12