الذكاء الاصطناعي والتعلم الآلي١٧ دقيقة
OSWorld 2.0: أفضل وكلاء AI ينهون ٢٠٫٦٪ فقط من المهام
يختبر OSWorld 2.0 عملاء AI في سير عمل يستغرق البشر ١٫٦ ساعة لإنجازه. وأنهى أفضل نموذج ٢٠٫٦٪ منها — بعد أن حقق نتيجة ٨٣٫٤٪ في إصدار OSWorld الأقدم.
وسم
#ai-agent-benchmarks
مقالتان
الأخبار١٥ دقيقة
GPT-5.6 يحقق رقمًا قياسيًا جديدًا في الاختبار النهائي للوكلاء (٢٠٢٦)
حقق نموذج GPT-5.6 من OpenAI نتيجة قياسية جديدة في Agents' Last Exam، وهو واحد من أصعب اختبارات قياس أداء الوكلاء في مجال الذكاء الاصطناعي — وتظهر الأرقام مدى بعد هؤلاء الوكلاء عن القيام بعمل حقيقي.
