首页 / 评估 / OSWorld

OSWorld

Agent 决策 C Agent 与工具调用 0 个模型参评

真实操作系统上的多步操作，截图驱动的动作选择。

真实操作系统上的多步操作，截图驱动的动作选择。

评估集信息

所属套件: Agent 决策
分组: C Agent 与工具调用
决策类型: 任务成功
样本量: 369 个 case
主指标: 成功率
优化方向: 越高越好
参评模型: 0 个
数据许可证: 见官方页面

这个评估集测什么

真实操作系统上的多步操作，截图驱动的动作选择。

在该评估集上的模型成绩（0 个）

暂无模型在该评估集上的公开成绩。