מבחן הערכה
WebArena-Verified
מדד משני
מה הוא מודד
מחקר ברשת: חיפוש, איסוף ואימות מידע מקוון · הפעלת מחשב: עבודה בממשק של מערכת הפעלה ואפליקציות
מה הוא לא מודד
- אין לגזור ממנו יכולת בתחומים שלא נכללו במשימות שלו.
תוצאות שנקלטו
| מערכת | ציון | פרוטוקול | מקור |
|---|---|---|---|
| Muse Spark 1.1 | 69.0 | WebArena-Verified · דיווח של הספק | קישור |
| Qwen3.8-27B | 64.8 | WebArena-Verified · דיווח של הספק | קישור |