מה הוא מודד

ביצוע משימות מרובות שלבים: ביצוע משימה רב שלבית מקצה לקצה

מה הוא לא מודד

• אין לגזור ממנו יכולת בתחומים שלא נכללו במשימות שלו.

הערות רישום

Useful historical agent benchmark; newer domain-specific benchmarks preferred.

תוצאות שנקלטו

אין עדיין רשומות מדד למדד הזה. הוא מופיע ברישום אך אינו משפיע על ציון.