Odysseys2 发布:SOTA web agent 百题仅通 47，5 个 agent 全军覆没
kohjingyu · x · 2026-10-29
- 卡内基梅隆大学 Jang Lawrance(与 rsalakhu 合作)联合 Browser-Use 发布 Odysseys2，是其 Odysseys 论文的续作：一个基于真实用户任务的 live web agent 长程基准。
- 任务直接来源于 Browser-Use 真实用户请求；每题含 8-12 条真实评分细则(rubrics)，需在实时网页上运行最长 60 分钟。
- 难度极高：SOTA agent 完整通过仅 47/100，5 个 agent 一题都没完成。
- 作者借此判断：web agent 在知识工作上正变得比人类更强。
- Benchmark 已开源发布，号称是最难的长程 web agent 评测集。
所属事件:CMU与Browser Use发布Odysseys2：最强Web Agent百题仅过47(3 条相关)→
「编程与Agent」频道最新
- ChatGPT「dot」支持 iMessage 短信,可按渠道分流通知 — nickbaumann_ · 2026-10-29
- 算账了：预防型 AI 年省 22.5 万美元，是修复型的近两倍 — louisdorard · 2026-10-29
- 2026 年产品工程师新范式：开完会直接让 Claude Code 照纪要干活 — curious_vii · 2026-10-29
- Anthropic 研究员连续三天泡在 Antigravity：Carbon 编程体验已够好用 — vedantmisra · 2026-10-29
- 微软发布 Copilot harness 公测：Foundry Agent Service 统一智能体底座 — lee_stott · 2026-10-29
- 用 Claude vibecoding 出 ComfyUI 作品库节点：自动归档生成结果 — LaurentLaSalle · 2026-10-29