Computer use

结果只在同一分组内进行比较，因此用一种方式测试的模型绝不会与用另一种方式测试的模型同榜排名。

Operate a graphical interface to complete a task

目前还没有它的排名。EvalRank 仍在收集用于排名的证据。

看看我们今天能回答哪些问题
返回全部工作类别