OSWorld-Science：科学软件操作智能体基准测试
OSWorld-Science 是一套用于评估基于视觉语言模型的智能体操作科学软件能力的基准测试，包含 146 项任务，涵盖分子绘图、病理图像分析、统计计算和物理仿真等领域。评估器会检查应用状态及生成的成果。结果表明，即使配备完善的智能体运行框架，当前领先模型在处理重要科学工作流程时仍面临挑战。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。