Claw-Anything：衡量个人助理广泛访问用户数字世界的基准

日前，一项名为Claw-Anything的基准正式面世，专门用于衡量那些能够广泛访问用户数字世界的始终在线个人助理的性能。这一基准由研究团队在arXiv上发布，论文编号2605.26086v1，核心目的是解决当前AI助理系统在上下文感知和有效协助上的局限。

现有系统为何“视野”狭窄？

现在的大型语言模型助理被设想为可以访问用户数字世界中任何相关信息的“全天候助手”，但现实是，它们只能触及那一小部分数据。这就好比一个人只能看到桌面上的几本书，却要完成整个图书馆的检索任务，结果能好吗？现有的基准测试也只提供部分用户状态，根本没法真正衡量这种广泛接入场景下的表现。Claw-Anything的推出，正是要打破这种局面。

Claw-Anything的三大扩展维度

这个新基准确实做了件挺实在的事：它将代理的上下文沿着三个维度做了扩展。首先是长时间跨度激活，助理需要理解用户过去几个小时甚至几天的行为模式，而不仅仅是当下的一个指令。其次是更广泛的用户数据接入，这意味着它得能处理从邮件、日历到浏览历史等多源信息。最后是动态环境适应，用户的数字世界一直在变，助理不能傻站着，得学会随机应变。

这听起来是不是很厉害？但别急，挑战可不小。要让一个AI真的“懂”你，它还差得远呢。目前的系统之所以表现平平，说白了就是“眼界”不够宽，Claw-Anything正好戳中了这个痛点。

未来的个人助理能有多“懂”你？

想想看，如果助理能知道你上周在会议中承诺了什么，并结合你昨晚的购物记录推荐礼物，这才是真正的“共识”协助吧。Claw-Anything这个基准，算是对AI行业提出的新考卷——咱们的AI到底有没有资格成为你数字世界的“私人管家”？毕竟，连基准都更新了，模型们不赶紧训练还行？