Simular宣布其开源智能体框架Agent S在用于评估执行真实计算机任务的多模态智能体的OSWorld基准测试中取得了72.6%的成功率。该分数超过了该基准测试的人类水平表现72.36%，标志着AI智能体首次在该领域超越人类阈值。
- Agent S在OSWorld上达到72.6%，击败了72.36%的人类基线。
- 这一突破得益于Behavior Best-of-N (bBoN)，该方法利用多个智能体来选择最佳结果。
- 与仅仅一年前徘徊在20%左右的分数相比，这代表了显著的进步。
- Simular最近获得了2150万美元的资金，并正在试点Microsoft Windows 365 for Agents。
Simular旨在使这项技术广泛可用，以解锁消费者在真实计算机上的实际用例。