**OSWorld-Pro:面向计算机使用智能体的过程级评估基准** _OSWorld-Pro: Process-based Evaluation for C
原帖
**OSWorld-Pro:面向计算机使用智能体的过程级评估基准**
_OSWorld-Pro: Process-based Evaluation for Computer Use Agents_
> 针对现有计算机使用智能体(CUA)仅评估最终结果导致失败原因不透明的问题,研究团队提出 OSWorld-Pro 基准。该基准包含 300 多个任务及 2800 多个子目标,基于 6.7 万条人工标注,利用 LLM 裁判对智能体在序列子目标上的执行过程进行细粒度评估。结果显示,即使是最先进的模型(如 Claude Opus 5)在该基准上的表现也显著低于 OSWorld,揭示了诸如子目标无关动作和点击错误等关键过程性失败模式,为优化 CUA 提供了重要洞察。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-06 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2609.24890)