清华团队推出OSWorld-Science科研智能体评测基准

2026年10月13日，据机器之心报道，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 OSWorld-Science——一个面向真实科研场景的计算机使用智能体评测基准及配套基础设施。该基准包含 146 项专家设计的任务，覆盖 7 大科学领域、14 种科研软件配置，并测评了 12 个视觉语言模型，平均任务得分仅为 34.3%，其中 Claude Fable 5.1 以 73.7% 领先。报道称，该研究汇聚了清华大学、加州大学洛杉矶分校、耶鲁大学、卡内基梅隆大学、加州大学伯克利分校、斯坦福大学、浙江大学、香港大学、东京大学等机构的研究者，并获得 Kimi、Z.ai、Alibaba 等公司基础模型部门的支持。报道同时给出任务贡献链接。截至该报道，尚无后续进展披露。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。