Cua 联合 Scale AI AgentEnv 发布桌面后台任务评测

Cua Driver Bench 评测智能体能否在用户继续工作时完成桌面任务。通过标准不只看任务完成，还要求只用图形界面、且不抢夺用户焦点或输入。

Cua 于 11 月 6 日宣布与 Scale AI 的 AgentEnv 推出 Cua Driver Bench。该基准让模拟用户持续在前台输入，考察智能体能否在后台完成桌面任务，而不抢夺焦点、移动真实指针或干扰用户输入。

通过还要求任务完成且遵守仅图形界面操作规则。公开材料提供任务、运行记录和评估数据；部分结果由 Scale 运行、部分由 Cua 自测，平台与运行配置也有差异，不能将单项成功率理解为普适性能排名。

参考：Cua。