**OSReward：建立跨平台计算机使用奖励模型的标准化评估基准**

_OSReward: Instituting Standardized Evaluation for Cross-Platform Computer-Use Reward Models_

> 研究团队提出OSReward基准，用于系统评估视觉语言模型（VLM）作为计算机使用代理（CUA）轨迹裁判的可靠性。实验发现，即使是当前最先进的模型也存在系统性宽松偏差，常将失败任务误判为成功。为此，团队发布开源推理标注数据集OS-Shepherd-100K，并训练出轻量高效的奖励模型OS-Shepherd（9B/35B），在成本降低30%-60%的情况下达到商业级裁判水平。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-08-07 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.28609)