OSWorld：在真实操作系统环境中评测 computer-use 智能体

OSWorld 用于在真实操作系统环境中评测 computer-use 智能体，覆盖任意桌面与 Web 应用。智能体通过类人的键盘/鼠标操作（点击、输入、滚动、拖拽、等待）交互，并以 accessibility tree 等结构化观测获取 UI 状态。任务侧重落地交互与长程规划，如文件操作、应用配置、信息查找和多应用工作流，成功与否由基于执行的检查验证最终状态目标与约束。