Reasoning & Verlässlichkeit
OSWorld
Ein Benchmark, der die Fähigkeit von KI misst, echte Desktop-Software per virtueller Maus und Tastatur zu bedienen – ohne spezielle APIs. Getestet wird über Chrome, LibreOffice, VS Code und weitere Programme.
Im Detail: OSWorld
Ein Benchmark, der die Fähigkeit von KI misst, echte Desktop-Software per virtueller Maus und Tastatur zu bedienen – ohne spezielle APIs. Getestet wird über Chrome, LibreOffice, VS Code und weitere Programme.
Implementierungsdetails
- Produktionsreife Leitplanken