Junyang Lin(@JustinLin610)· Junyang Lin (@JustinLin610)·· 2026-06-26AI 评估 · 63/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
XLANG NLP Lab 发布 OSWorld 2.0，评测长时程计算机操作智能体
i still remember the discussion of the case of us visa application and i thought that must be missio...
AI 导读
XLANG NLP Lab 发布 OSWorld 2.0，用于在长时程真实任务上评测计算机操作智能体。基准包含 108 个真实工作流，每个约需熟练人类 1.6 小时，平均约 318 次工具调用，而 OSWorld 1.0 约为 30 次。
来源：Junyang Lin(@JustinLin610) · x.com