基准测试概述

UFO² 在两个公开可用的实时任务套件上进行了严格的基准测试

基准测试	范围
Windows Agent Arena (WAA)	跨 15 个应用程序（Office、Edge、文件资源管理器、VS Code 等）的 154 个真实 Windows 任务
OSWorld (Windows)	49 个混合 Office 365、浏览器和系统工具的跨应用程序任务

这些基准测试集成到 UFO² 中位于独立的存储库中。请查阅上述文档以获取更多详细信息。