LabOSBench：面向科学仪器控制的计算机使用智能体基准测试

现有计算机使用基准主要关注虚拟化系统中的软件操作，而科学仪器场景需协调复杂界面并进行反馈驱动的参数调整。鉴于直接在物理仪器上评估存在成本高、风险大及复现难等问题，本文提出 LabOSBench，一个基于 Web 科学仪器模拟器的多模态 GUI 智能体基准。该基准包含 8 种模拟器共 96 个子任务，涵盖从样品加载到结果检查的全流程。实验表明，现有智能体虽能完成结构化子任务，但在反馈驱动操作和长程工作流执行方面仍面临显著挑战。