ScreenSuite - The most comprehensive evaluation suite for GUI Agents!

Här är en 3-4 menings sammanfattning av nyhetsartikeln: ScreenSuite är det mest omfattande utvärderingssystemet för grafiska användargränssnitt (GUI) agenter. Det samlar 13 olika benchmark som täcker ett brett spektrum av förmågor som krävs för GUI-agenter, inklusive perception, positionering, enstegsfunktioner och flerstegsfunktioner. Ledande språkmodeller som Qwen-2.5-VL, UI-Tars-1.5-7B och Holo1-7B har utvärderats med ScreenSuite. Systemet är öppet för alla att använda och bidra till för att snabbt kunna iterera och göra framsteg inom området.