OSReward: Instituting Standardized Evaluation for Cross-Platform Computer-Use Reward Models

  • 类型：arxiv
  • 标识：2607.28609
  • 链接：https://arxiv.org/abs/2607.28609
  • 主分类：evaluation
  • 形态：method
  • 被引：0
  • 被引来源：Semantic Scholar
  • S2被引：0
  • 影响力被引：0
  • TLDR：OSReward is introduced, a realistic, high-quality benchmark that evaluates VLM judges on CUA trajectories, and an open corpus of reasoning-annotated trajectory judgments for the CUA community, to close the gap in reliable CUA reward at scale.
  • 副分类：agent
  • 待LLM分类：否
  • 标题中文：OSReward：建立跨平台计算机使用 Reward Model 的标准化评估
  • TLDR中文：提出 OSReward，一个面向真实场景的高质量基准，用于评估 VLM 评判器在 CUA 轨迹上的表现；同时发布一个面向 CUA 社区的、带推理标注的开放轨迹判断语料库，以弥补大规模可靠 CUA 奖励的缺口。
  • 来源文件：
  • /inbox/tom/_candidates/2026-08-07-agent-rag-longcontext-candidates.json
  • [S2 enrich]