模型

同样是科研软件，模型表现可以相差多大

为了让不同模型的结果可以比较，团队基于OSWorld的多模态PromptAgent进行了科学软件适配，提供统一的提示与交互流程，并采用一致的任务步数预算和基础回复长度限制。

这样，研究者既能看到模型最终交付了什么，也能回到过程中，查看它是如何完成、又是在哪里遇到困难的。

另一个有意思的结果，来自模型之间的输出量差异。