OSWorld:真实计算机环境 Agent 评测基准
在虚拟机中运行真实桌面环境,评测 AI Agent 完成操作系统级任务的能力。
OSWorld 是一个面向 AI Agent 的大规模真实计算机环境评测基准。它在虚拟机中搭建真实桌面系统,让 Agent 通过操作 GUI 完成各类操作系统任务并自动评分。环境支持 VMware、VirtualBox、Docker(需 KVM)、Modal、Daytona 及 AWS 等多种运行方式,其中 AWS 支持 Host-Client 架构进行大规模并行评测。项目提供环境搭建脚本、任务定义和 Agent 基线实验代码,2025 年发布了修复多项问题的 OSWorld-Verified 版本。