NVIDIA发布过程化评测基准OSWorld-Pro

NVIDIA 发布面向计算机使用智能体的过程化评测基准 OSWorld-Pro，包含 300 余项任务、2800 余个子目标以及 67000 余条人工标注数据。与只看最终结果不同，该基准借助与人类对齐的 LLM-Judge，按顺序依赖关系评估各个子目标的完成度，并据此揭示点击类失误等过程级失败模式。报道称，Claude Opus 5 在 OSWorld 上得分 83.4%，而在 OSWorld-Pro 上仅为 75.7%。目前公开信息为 2026 年 10 月 6 日发布的该基准及这一首批评测结果，是否还有其他模型的成绩或榜单更新，尚未见报道。

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。