Raisonnement & Fiabilité
OSWorld
Un benchmark mesurant la capacité de l'IA à utiliser des logiciels de bureau réels en manipulant une souris et un clavier virtuels, sans recourir à des API spéciales. Teste des applications comme Chrome, LibreOffice, VS Code et d'autres.
En détail: OSWorld
Un benchmark mesurant la capacité de l'IA à utiliser des logiciels de bureau réels en manipulant une souris et un clavier virtuels, sans recourir à des API spéciales. Teste des applications comme Chrome, LibreOffice, VS Code et d'autres.
Détails d'implémentation
- Garde-fous prêts pour la production