NVIDIA 发布 OSWorld-Pro：2800+ 子目标过程化评测，Claude Opus 5 仅 75.7%

NVIDIA 发布 OSWorld-Pro，以 300+ 任务、2800+ 子目标和 67,000+ 条人工标注对计算机使用智能体做过程化评测。Claude Opus 5 在 OSWorld 上达 83.4%，在 OSWorld-Pro 上仅 75.7%。该基准用与人类对齐的 LLM-Judge 评估顺序依赖子目标的完成度，并揭示点击类失误等过程级失败模式。