华为发布 Claw-Anything 基准，揭示 AI 代理个人助理局限性

Techub News 消息，据 Crypto Briefing 报道，华为联合北京理工大学和北京大学研究人员发布 Claw-Anything 基准测试，旨在评估 AI 代理在真实数字环境中作为个人助理的能力。测试结果显示，GPT-5.5 和 Claude Opus 4.7 的通过率分别仅为 34.5% 和 31.8%，表明当前最先进的 AI 模型在处理复杂、多步骤的个人助理任务时仍存在显著局限。 该基准测试模拟完整的数字生活环境，要求 AI 同时监控邮箱、日历、通讯应用和文件系统，并在平均包含 10.1 个相互依赖服务的场景中进行决策。研究团队通过构建包含 2000 个训练环境的自动化流程对 Qwen3.5-27B 进行微调，实现了 23.7% 的性能提升。这一发现对加密 AI 项目具有重要启示，表明基于实际链上交互的高质量训练数据可能是提升 AI 代理性能的关键路径。