Датасет · simular-ai
Логи запусков агента Sai на OSWorld-V2
simular-ai/sai-osworld-v2-benchmark-runs
Текстовые логи, траектории и оценки двух полных прогонов компьютерного агента Sai на бенчмарке OSWorld-V2.
Что внутри
Содержит детальные данные по двум полным прогонам (по 108 задач в каждом) компьютерного агента Sai на базе модели Claude-Opus-5 в среде OSWorld-V2. Включает итоговые баллы, пошаговые траектории, системные и API-логи, а также манифесты запусков в текстовом формате.
Что можно сделать
- Анализ ошибок и производительности компьютерных агентов (Computer-use agents)
- Исследования траекторий автономных агентов в средах операционных систем
- Задачи
- Другое
- Скачиваний за месяц
- 21,8 тыс.
- Лайков
- 2
Как загрузить
from datasets import load_dataset
ds = load_dataset("simular-ai/sai-osworld-v2-benchmark-runs")