English(EN) CADWorld: Computer-Use Benchmark for Long-Horizon Computer-Aided Design

新的CADWorld基准测试AI代理在复杂机械设计任务中的能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-16 04:00

研究人员推出了CADWorld，一个旨在评估计算机使用代理在机械计算机辅助设计（CAD）领域复杂、长周期任务中的能力的新基准。该基准包含11个类别共200个任务，专注于在FreeCAD中进行持久、结构化的工件创建和验证。目前的代理在性能上显示出显著差距，最强的代理成功率仅为17.5%，而专家成功率为87.0%，凸显了在延长工作流程中保持几何和结构完整性所面临的挑战。 AI

影响该基准有望推动能够执行专业工程领域复杂、长期任务的AI代理的进步。

排序理由该条目描述了一个用于评估特定领域AI代理的新基准，发布在arXiv上。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 15 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目描述了一个用于评估特定领域AI代理的新基准，发布在arXiv上。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Zihan Dong, Yuanzhe Liu, Zhiyuan Ma, Qishi Zhan, Dehan Kong, Guohao Li, Kaixin Li · 2026-09-16 04:00

CADWorld：面向长时域计算机辅助设计的计算机使用基准

arXiv:2609.16251v1 Announce Type: new Abstract: Computer-use agents are increasingly evaluated in realistic desktop environments, but existing benchmarks provide limited coverage of professional engineering workflows whose outputs are persistent, structured artifacts. Mechanical …

本文如何被排名

报道来源 [1]

CADWorld：面向长时域计算机辅助设计的计算机使用基准

相关实体

相关话题