OSWorld: настольные ИИ-агенты справляются с 12% задач, в то время как люди — с 72%
OSWorld обнаруживает, что настольные ИИ-агенты справляются с 12,24% реальных задач против 72,36% у людей, причём 75% сбоев из-за зрительно-моторной привязки, а не рассуждений.