real-world-automation

CoworkOS 是一个面向长周期任务的智能体框架，将策略与执行分离，通过共享产物实现人类参与的协作，并开展持续的自动化后训练，在五轮 RSI 驱动的迭代中，将 Qwen3.6-35B-A3B 的平均基准测试得分从 33.19 提升至 42.95。

本文介绍了“智能体最终考试”（Agents' Last Exam），这是一个测试AI智能体在55个数字工作领域中进行真实专家工作能力的基准。目前最强的智能体在大多数任务上失败，在最难的层级中平均通过率仅为2.6%，揭示了基准分数与现实世界自动化准备程度之间的巨大差距。