Словарь
OSWorld-Verified
Исправленная версия бенчмарка OSWorld, в котором ИИ-агент выполняет задачи на настоящем компьютере — в браузере, офисных программах, графических редакторах и других приложениях. Авторы из XLANG Lab исправили в задачах и проверках более 300 ошибок и перенесли запуск в облако, чтобы результаты разных агентов было проще воспроизвести и сравнить.