按该来源的展示范围，站内仅提供摘要。
前往原站阅读（在新标签页打开）CRUX 项目提出"开放世界评估"测试前沿AI能力
AI 导读
CRUX项目由17位研究者组成，通过“开放世界评估”在真实场景中测试AI能力。首次实验中，一个AI智能体成功开发并发布了一款iOS应用至App Store，仅出现两次错误，成本约1000美元，但也暴露了AI驱动的应用商店垃圾信息风险。
AI as Normal Technology（RSS）
精选
70
AI 编辑部评分，满分 100CRUX 项目提出"开放世界评估"测试前沿AI能力
CRUX项目由17位研究者组成，通过“开放世界评估”在真实场景中测试AI能力。首次实验中，一个AI智能体成功开发并发布了一款iOS应用至App Store，仅出现两次错误，成本约1000美元，但也暴露了AI驱动的应用商店垃圾信息风险。
推荐理由
这篇提出「开放世界评估」概念，用发布 iOS 应用的实验证明 agent 已接近自主完成端到端真实任务，这给评估方法论和 App Store 反垃圾都敲了警钟。
来源：AI as Normal Technology（RSS）· normaltech.ai