Ragionamento & Affidabilità
OSWorld
Un benchmark che misura la capacità dell'IA di operare su software desktop reali utilizzando un mouse e una tastiera virtuali, senza API speciali. Testa applicazioni come Chrome, LibreOffice, VS Code e altre.
In dettaglio: OSWorld
Un benchmark che misura la capacità dell'IA di operare su software desktop reali utilizzando un mouse e una tastiera virtuali, senza API speciali. Testa applicazioni come Chrome, LibreOffice, VS Code e altre.
Dettagli di implementazione
- Guardrail pronti per la produzione