**Workflow-GYM：面向专业领域长程 GUI 任务的智能体基准测试**

_Workflow-GYM: Towards Long-Horizon Evaluation of Computer-use Agentic tasks in Real-World Professional Fields_

> Workflow-GYM 是一个针对专业软件环境下长程图形界面操作的基准，评估智能体完成真实高价值工作流的能力。实验显示，当前最强模型成功率仅略超 30%，暴露出长程任务中流程遗漏、错误传播和目标漂移等问题，为下一代 GUI 智能体研究指明方向。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-10 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.11042)