物界前沿物界前沿 · 资讯情报卡（Hacker News · 2026/10/1）
AI智能体训练数据瓶颈：开放式任务数据缺失
核心事实
- 文章指出当前AI智能体训练数据多为结构化单目标任务，缺乏真实工作场景中的开放式数据。
- Opus 5.5和GPT-6 Astra在OSWorld 2.0上分别声称达到72.6%和81.8%的成绩。
- 计算机使用智能体依赖轨迹数据训练，轨迹记录人类或智能体操作电脑的详细步骤。
- 数据质量沿可观测性和分布两个维度扩展，可观测性进步快于分布。
- 真实工作包含多任务交织、中断恢复和上下文切换，现有数据未捕捉这些信号。
关键数据
72.6%Opus 5.5在OSWorld 2.0
81.8%GPT-6 Astra在OSWorld
物界观察
模型在结构化基准上跑分亮眼，但真实知识工作充满中断、多线程和模糊目标，现有轨迹数据几乎没覆盖。这意味着智能体落地办公场景仍会频繁翻车。谁先搞定开放式工作数据的采集与标注，谁就能拿下下一阶段企业级智能体的入场券。