OSWorld-Science：面向学习和使用科学软件的计算机使用智能体基准

OSWorld-Science 提供面向科学软件工作流的计算机使用智能体基准和评估环境，用于测试基于 VLMs 的智能体能力。该基准包含 12 个 VLMs 和 146 项任务，覆盖分子绘制与逆合成、病理图像分析、统计计算和物理仿真等场景。其执行式评估器检查分子结构、分割掩码、图表和数值结果，并支持部分得分。