OSWorld

AIモデルが実際のオペレーティングシステム上で、Webサイトのナビゲーション、スプレッドシートへの入力、ファイルの管理といった複雑なタスクをどの程度遂行できるかを評価するためのベンチマーク。AIエージェントが人間の代わりにコンピューターを操作する能力を測定する重要な指標となっている。