桌面智能体新基准Desktop-Delta

新基准评估电脑使用模型是否理解GUI动作后的状态转移。

推荐理由：它把GUI智能体评测从最终成功率推进到“动作导致了什么变化”，直接瞄准异步截图、陈旧观察和失败恢复这些真实桌面自动化痛点。