OSWorld: ШІ-агенти для робочого столу успішно виконують 12% завдань, тоді як люди — 72%
OSWorld виявляє, що агенти робочого столу успішні в 12,24% реальних завдань проти 72,36% у людей, причому 75% збоїв спричинено зорово-моторним заземленням, а не міркуванням.