**OSWorld-Science:面向科学软件操作的计算机使用智能体基准**

_OSWorld-Science: A Benchmark of Computer Use Agents for Learning and Using Scientific Software_

> 该论文提出OSWorld-Science基准,旨在评估视觉语言模型(VLM)在科学软件中的计算机使用能力。基准包含146个高质量任务,涵盖分子绘图、病理图像分析及物理模拟等领域,采用基于产物的执行评估机制以支持部分得分。实验表明,当前最先进的VLM在复杂科学工作流中仍面临挑战,该框架为系统评估智能体能力及交互策略提供了新方向。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-01 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2609.39903)