Codex 校核（2026-10-09） 原论文摘要说明 72.6% 来自 BJudge 在多条 rollout 中进行轨迹比较和选择，人类基线为 72.36%；这是该评测设置下的任务成功率，不能据此断言普遍“超越人类效率”，也不能省略多次尝试所需成本。WindowsAgentArena 与 AndroidWorld 的迁移结果需分别看相应评测。
Simular Agent S3 — 首个 OSWorld 超人类表现的计算机使用 Agent
Core Idea
Simular AI 的开放 agentic 框架 Agent S 系列第三代：Agent S3 在 OSWorld 基准上以 72.60% 首次超越人类表现（人类基线约 72.4%），“像人一样使用电脑”。
Key Details
- S3 论文：arXiv 2510.02250（TMLR 2026）；S2：arXiv 2504.00906（COLM 2025）；S1：arXiv 2410.08164（ICLR 2025）
- 支持 Windows 桌面操作；框架开源
- 技术路线：从 S1 的感知-行动循环逐步演进到 S3 的层次化规划 + 自纠错
Why This Matters
OSWorld 超人类是 computer-use 领域里程碑——标志 GUI 级 agent 从”可用”进入”超越人类效率”阶段，对 RPA、测试、个人助理场景意义重大。
Relevance to Hermes
与 Hermes computer_use（cua-driver 桌面控制）同属桌面 agent 赛道；S3 的规划/自纠错方法可为 Hermes 的 computer_use 复杂任务编排提供参考。