요약

장기적인 실세계 작업을 수행하는 컴퓨터 사용 에이전트의 성능을 측정하기 위한 새로운 벤치마크인 OSWorld2.0을 소개합니다. 에이전트가 복잡한 컴퓨터 환경에서 얼마나 효과적으로 작업을 완수하는지 평가하는 데 중점을 둡니다.

핵심 포인트

• 장기적 실세계 작업 수행 능력 평가
• 컴퓨터 사용 에이전트 전용 벤치마크
• 에이전트의 복잡한 작업 완수 능력 측정