К содержимому

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")