AI 行业资讯 - OSWorld-Science

清华团队联合多所高校发布科研智能体评测基准OSWorld-Science

清华大学研究团队牵头，联合多所海内外高校与研究机构推出面向真实科研场景的计算机使用智能体评测基准OSWorld-Science及配套基础设施，含146项专家设计任务，覆盖7大科学领域、14种科研软件配置，并对12个视觉语言模型测评，平均任务得分仅34.3%，Claude Fable 5.1以73.7%领先。