微信公众号 讲师中心
首页
文章
后端开发 web前端 数据库 开发工具 php框架 常见问题 科技 Java 系统教程 电脑教程 硬件教程 手机教程 软件教程 游戏教程 自媒体 新闻
专题
后端开发 web前端 数据库 开发工具 php框架 科技 Java 系统教程 电脑教程 硬件教程 手机教程 软件教程 游戏教程 新闻
AI工具
AI 聊天问答 Agent智能体 AI 文本写作 AI 绘画作图 AI 设计工具 AI 视频创作 AI 音频制作 AI 办公学习 AI 编程开发 Prompt指令
学习
大前端 后端开发 数据库 移动端 运维开发 计算机基础
编程手册
大前端 后端开发 数据库 移动端 运维开发 计算机基础
下载
js特效 网站源码 工具下载 类库下载 网站素材 学习资源 插件扩展 手机/移动开发 手机游戏
搜索
后端开发 web前端 数据库 开发工具 php框架 常见问题 科技 Java 系统教程 电脑教程 硬件教程 手机教程 软件教程 游戏教程
自媒体 新闻
首页 > 新闻 > IT新闻 > 正文

OSWorld-MCP 正式发布：面向 Computer-Use Agents 产品的评测基准

聖光之護
发布： 2025-11-04 18:54:11
原创
161人浏览过

osworld-mcp 正式发布，标志着首个面向真实环境的 computer-use agents 产品能力全面评测基准正式落地。

OSWorld-MCP 正式发布：面向 Computer-Use Agents 产品的评测基准

作为 OSWorld 的增强版本，OSWorld-MCP 聚焦于评估模型上下文协议（MCP）工具调用、图形用户界面（GUI）交互能力以及智能决策水平，显著提升了测试的真实性、公平性与跨模型可比性。

OSWorld-MCP 正式发布：面向 Computer-Use Agents 产品的评测基准

核心亮点包括：

  • 集成 158 个经验证的 MCP 工具，覆盖 LibreOffice Writer、Calc、Impress、VS Code、Google Chrome、VLC 及系统实用程序等 7 大常用应用，其中 25 个为用于鲁棒性检验的干扰工具。
  • 包含 250 项工具适用性任务，其中 69% 的基准任务能从 MCP 工具中获益。
  • 支持多轮工具调用机制，极大增加了任务执行中的决策复杂度。
  • 实验表明 MCP 显著提升性能——如 OpenAI o3 在 15 步内准确率从 8.3% 提升至 20.4%。
  • 最高观测到的工具调用率（TIR）达 36.3%（Claude-4-Sonnet，50 步），反映出当前代理仍有巨大优化空间。
  • MCP 工具有效推动代理整体指标提升。
  • 准确率随工具调用次数增加而上升，体现深度交互的价值。
  • 多工具协同使用带来严峻挑战，考验模型推理与规划能力。

下图展示了 OSWorld-MCP 的完整评估架构，融合了 GUI 操作与 MCP 工具调用：

AGI-Eval评测社区
AGI-Eval评测社区

AI大模型评测社区

AGI-Eval评测社区 63
查看详情 AGI-Eval评测社区

OSWorld-MCP 正式发布：面向 Computer-Use Agents 产品的评测基准

该项目现已开源，所有资源和详细文档均可通过以下链接获取：

https://www.php.cn/link/e0d04159c4304a1f2a5e191f551f3a94
https://www.php.cn/link/262e7707a161061c2b75c75215c2c4a9

以上就是OSWorld-MCP 正式发布：面向 Computer-Use Agents 产品的评测基准的详细内容，更多请关注php中文网其它相关文章！

相关标签：
git go github 工具 office ai openai google claude vs code 架构 chrome github https

大家都在看：

最佳 Windows 性能的顶级免费优化软件
最佳 Windows 性能的顶级免费优化软件

每个人都需要一台速度更快、更稳定的 PC。随着时间的推移，垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是，许多工具可以让 Windows 保持平稳运行。

下载
来源：php中文网
收藏 点赞
上一篇：苹果正式上线网页版 App Store，但意外泄露了完整前端代码 下一篇：微软 CEO 纳德拉：公司或在一年内重启招聘，前提是现有员工掌握与 AI 协作技能
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系admin@php.cn
最新问题
微软发布 Visual Studio 最新 AI 功能演进路线图 微软近日公布了VisualStudio最新的AI功能发展路线图，致力于将这一主流开发环境从传统的“代码编辑器”逐步演进为一个全面的“AI协作平台”，深度整合人工智能能力以提升开发者效率。1.智能代理（Agents）功能升级微软正在优化开发者在IDE内发现、切换和管理各类AI代理／模式的体验，使操作更直观高效。正在研发多个专用智能代理，例如“DebuggerAgent”（调试代理）与“TestAgent”（测试代理），分别用于自动化调试分析和生成测试用例。多个代理并行运行及协同
2025-11-06 22:20:01
568
华硕致歉：对腾讯游戏安全 ACE 存在错误描述和不实评价 华硕电脑（重庆）有限公司近日发布致歉声明，承认此前发布的《关闭ACE反作弊系统，保护你的电脑性能》视频中存在不准确描述和不当评价。华硕方面表示，该视频对腾讯游戏安全ACE系统造成了负面影响，导致玩家对软件安全性及系统运行稳定性的误解与担忧。目前相关视频已第一时间下架，公司内部正开展全面核查，并加强内容发布流程的管理。随后，腾讯游戏安全官方转发了该致歉声明，并回应称：“感谢华硕官方的坦诚态度，很高兴此次关于ACE系统的误会能够得以澄清。我们接受华硕的道歉，也期待未来双方继续合作，共同推动游戏行业与
2025-11-06 21:28:01
883
清华、北大等高校联合推出 MotionTrans 框架 清华大学、北京大学、上海交通大学与武汉大学等顶尖高校携手推出了一种全新的人机协同训练框架——MotionTrans。该框架的最大亮点在于，机器人无需任何预先示范，仅通过“观察”人类的行为，即可自主学习并掌握新技能。这一进展被视为机器人学习技术发展中的关键里程碑。与传统方法相比，以往的机器人训练依赖大量真实场景下的操作演示，数据采集过程不仅繁琐，且人力和时间成本极高。例如，教会机器人完成拧瓶盖的动作，往往需要重复多次实际操作，并精确记录每个动作细节。而MotionTrans则借助虚拟现实（VR）设
2025-11-06 20:44:13
551
Windsurf 新增“Codemaps”功能，让开发者“先理解，再编码” AI编码工具公司Cognition正式发布WindsurfCodemaps——一项专为帮助开发者快速掌握大型代码库架构而设计的新功能，致力于解决工程师在接手新项目或切换上下文时面临的“代码理解”高门槛问题。据Cognition介绍，许多开发人员在面对复杂系统时，往往需要花费数周乃至数月时间才能理清整体结构。当前主流的AI工具多集中于代码生成，却普遍缺乏对跨文件、跨模块整体逻辑的理解能力。Codemaps的推出正是为了填补这一空白。Codemaps主要特性如下：自动扫描并解析整个代码仓
2025-11-06 20:42:01
561
科大讯飞正式发布讯飞星火 AIPC：全栈国产化方案，内置超级智能体 11月5日，主题为“聚智创新，生态共荣”的讯飞星火AIPC产品发布会暨生态合作伙伴交流活动在合肥顺利举行。科大讯飞高级副总裁张友国、副总裁娄超出席大会，来自全国各地的生态伙伴代表与行业专家齐聚一堂，共同见证讯飞星火AIPC的正式亮相及多项生态合作签约，多家媒体受邀进行现场报道。当前，信创产业正由“可用”迈向“好用”的关键阶段，AIPC作为新一代智能终端的重要形态，已成为推动国家数字化转型和信息安全建设的核心载体。张友国在会上指出，在“人工智能+”等政策红利驱动下，信创迎来全新发展机遇。科
2025-11-06 20:20:21
821
何小鹏回应人形机器人 IRON 里“藏真人”质疑 在11月5日举行的小鹏科技日上，小鹏汽车推出了全新一代人形机器人IRON，因其出场时走的猫步过于自然逼真，引发网友热议，不少人怀疑“机器人内部是否藏着真人”。针对这一质疑，何小鹏在微博发布了一段一镜到底、无任何剪辑的视频进行澄清，并配文表示：昨天科技日现场，小鹏女性形态机器人Iron以一段猫步惊艳亮相，震撼了在场观众。但没想到的是，线上评论中竟有超过一半的人猜测：这机器人里是不是偷偷藏了个人？这让我们的研发团队感到既欣慰又无奈。很多人还是难以相信技术已经发展到如此程度。今天早上，团队硬是逼我拍了
2025-11-06 20:15:01
651
全美 40 个主要机场运力下周起削减 10%，以降低国家空域风险 11月6日消息，据CCTV国际时讯今日报道，美国交通部长达菲当地时间11月5日表示，如果美国政府“停摆”持续，交通部将开始削减全美40座繁忙机场的运输量，以降低国家空域风险。另外，路透社援引4名消息人士的话最新报道，美国交通部计划从11月7日起，在40座机场开始实施4%的航班削减，11月8日削减比例提高至5%，11月9日进一步增至6%。而从下周起，削减幅度将达到10%。据透露，美国联邦航空局在电话会议中向各航空公司表示，国际航班将被豁免于此次削减
2025-11-06 20:10:01
653
小鹏第二代 VLA 大模型将面向全球开源 2025年11月5日，在小鹏科技日上，小鹏汽车以“物理AI”为核心主题，发布了四项关键应用成果：小鹏第二代VLA、小鹏Robotaxi、全新一代IRON，以及汇天飞行体系的两套解决方案。这四大技术成果共同描绘出未来智慧出行的完整蓝图，并均已规划明确的量产路径。据悉，小鹏第二代VLA实现了技术突破，首次取消了传统“语言转译”环节，真正达成从视觉输入到动作指令的端到端直连输出，开创了一种全新的物理世界建模方式。作为小鹏首款可量产的通用物理AI大模型，它具备跨领域驱动能力，可统一赋能智能汽车、Robo
2025-11-06 20:01:06
546
京东1元起拍发财鲅鱼饺子是怎么回事？详情介绍 随着立冬节气的到来，中国传统食俗文化再度成为消费热点。各大电商平台纷纷推出应季活动，满足消费者“立冬补冬”的需求。其中，京东拍卖平台别出心裁，将传统美食与线上竞拍模式相结合，推出特色饺子拍卖活动，以极具吸引力的起拍价和优质的产品，为消费者带来一场兼具趣味与实惠的冬日美食盛宴。
2025-11-06 19:55:50
851
"黑科技"让40幅古代名画变成立体世界 中国历代绘画大系"光影丹青 近日，一场名为“光影丹青”的数字艺术展成为焦点，它以尖端科技将中国古代绘画瑰宝转化为可感、可触的沉浸式世界。此次展览是“中国历代绘画大系”成果的创新展示，将在2025年世界互联网大会“乌镇峰会”上亮相，标志着科技与文化遗产的深度融合，让千年文脉在数字时代焕发出前所未有的生机与活力。
2025-11-06 19:52:06
737
相关专题
更多>
热门推荐
开源免费商场系统广告
热门教程
更多>
相关推荐
热门推荐
最新课程
最新下载
更多>
网站特效
网站源码
网站素材
前端模板
关于我们 免责申明 意见反馈 讲师合作 广告合作 最新更新 English
php中文网：公益在线php培训，帮助PHP学习者快速成长！
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送
PHP中文网APP
随时随地碎片化学习

Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号

  • PHP学习

  • 技术支持

  • 返回顶部