OSWorld-G · Benchmark · PolySight

收录成绩55 个模型或系统

当前第一54.1Jedi-7B

指标定位准确率定位正确的样本占比（%），取自论文结果表

最近同步10-16 16:571 个数据源 · 界面定位

排名表

显示 5 / 5

						能力维度
	模型	机构	参数	开源							评测设置	来源		备注
1	Jedi-7B	—	—	—	54.1	65.9	55.5	57.7	46.9	7.4	—	论文报告	2026-10-16
2	Jedi-3B	—	—	—	50.9	67.4	53.0	53.8	44.3	7.4	—	论文报告	2026-10-16
3	UI-TARS-7B	—	—	—	47.5	60.2	51.8	54.9	35.6	0.0	—	论文报告	2026-10-16
4	Gemini-2.5-Pro	—	—	—	45.2	59.8	45.5	49.0	33.6	38.9	—	论文报告	2026-10-16
5	Operator	—	—	—	40.6	51.3	42.4	46.6	31.5	0.0	—	论文报告	2026-10-16

榜单说明

第 1 批接入

指标

定位准确率：定位正确的样本占比（%），取自论文结果表（越高越好）

子项

能力维度文本匹配元素识别布局理解精细操作拒识

数据源

OSWorld-G 项目页（论文结果）（在新窗口打开）（论文或项目页）

来源类型

论文报告 5

分数取自数据源原文；同一模型在不同评测设置或不同来源下分别列出，来源冲突时全部保留并标注来源类型。

更新记录

0 条

首次同步作为基线，之后新上榜、分数变化和移除的条目会记录在这里。