Hugging Face 发布 ScreenSuite：最全面的 GUI 智能体评估套件

Hugging Face 发布了 ScreenSuite，这是一个用于评估 GUI 智能体性能的全面套件。GUI 智能体是指能够在图形用户界面中执行任务的 AI 模型，例如点击、输入和滚动，以完成如填写 Excel 表格或在线购物等操作。ScreenSuite 整合了 13 个基准测试，覆盖了 GUI 智能体的关键能力类别，包括感知、定位、单步行动和多步行动。这些基准测试基于现有研究，如 Xu 等人（2025）和 Qin 等人（2025）的工作，旨在标准化评估过程。为了支持多步行动评估，ScreenSuite 提供了对 E2B 桌面远程沙箱的支持，并新增了在 Docker 中轻松启动 Ubuntu 或 Android 虚拟机的选项。这使得开发者能够在不同环境中测试智能体的表现，例如 Windows、Android 和 Ubuntu 系统。ScreenSuite 的发布旨在促进 GUI 智能体的开放性和可访问性，帮助研究者和开发者更有效地评估和集成这些模型。用户可以通过 Hugging Face 的 GitHub 仓库访问 ScreenSuite，并尝试其开源的计算机智能体示例。