TY  - UNPB
TI  - RecreationWorld: Scalable and Verifiable Environments for Hybrid Computer-Use Agents
UR  - https://arxiv.org/abs/2609.22000
DA  - 2026-09-18
AU  - Bai, Shuai
AU  - Deng, Jiayong
AU  - Fu, Yikun
AU  - Gao, Chang
AU  - Hu, Xuhao
AU  - Huang, Mianqiu
AU  - Jiang, Yizhen
AU  - Jing, Yuheng
AU  - Kong, Dehui
AU  - Li, Keliang
AU  - Li, Ning
AU  - Li, Wanli
AU  - Liu, Dayiheng
AU  - Lu, Dunjie
AU  - Luo, Changwei
AU  - Shen, Que
AU  - Wang, Zheyuan
AU  - Wang, Zijian
AU  - Wu, Jie
AU  - Wu, Gao
AU  - Xie, Zhihui
AU  - Xie, Rui
AU  - Xu, Haiyang
AU  - Yang, An
AU  - Yuan, Jiakang
AU  - Zhang, Yanming
AU  - Zhang, Jiajun
AU  - Zhang, Xi
AU  - Zhang, Zhenru
AU  - Zhen, Zhuo
AU  - Zhu, Mingkang
AU  - Zhou, Bowen
KW  - Juju Radar
KW  - Computer Use
KW  - Agent评测
KW  - 可执行验证
KW  - 待阅读
KW  - 补看
N1  - RecreationWorld把GUI探索、代码实现和运行验证放进一个长任务：Agent只能操作正在运行的参考应用，再从零重做出可执行版本。RecreationBench包含250项任务，覆盖Ubuntu、macOS、Windows、Android和Web，并用固定的程序断言与视觉断言验证行为。  最有信息量的结果不是总分，而是完成度差距：GPT-6 Astra总体得58.1%，但只有2.8%的任务通过全部程序测试。模型更容易复刻静态结构，对交互状态、计算结果和跨步骤行为明显更弱。  论文9月18日提交、9月21日进入HF Daily Papers，本期作为近期补看而非当天首发。训练迁移只在有限模型和基准上验证，各平台的隔离强度也不完全一致。重要度8.7/10。  原文：https://arxiv.org/abs/2609.22000 项目：https://recreation-bench.cc/ 代码：https://github.com/QwenLM/RecreationWorld 本期资料页：https://www.asteronline.cn/juju-radar/2026-09-22/  AI辅助整理。
ER  -