#OSWorld-Pro

共 1 条 · 7 天 1 条 · 30 天 1 条

Claude 1 基准测试 1 智能体 1

信息流里打上「OSWorld-Pro」标签的资讯、产品与论文，按刊登时间排，新的在上。

9月22日

论文 Agent 与开发者12:20

OSWorld-Pro：面向计算机操作智能体的过程化评测基准

智能体评测不再只看最终结果，按子目标逐步打分，Claude Opus 5 也只拿 75.7%。

#OSWorld-Pro #Claude #智能体 #基准测试

arXiv cs.LG@Zhilin Wang 等 12 人原文