Depo ayrıntısı

weavebench/WeaveBench

[EMNLP 2026] WeaveBench: A Long-Horizon, Real-World Benchmark for Computer-Use Agents with Hybrid Interfaces

Python MIT 05 Haziran 2026 son push 22 Ağustos 2026 4 fork

agent-as-judge benchmark computer-use-agent gui-agent hybrid-interface llm-evaluation

GitHub'da aç Site

Yıldız

175+14 · 56 gün

Commit · 28g

—

son 28 günde

Yazar · 28g

—

farklı katkıcı

Detaylı değerlendirme

Bu repo için detaylı değerlendirme henüz yapılmadı. Analiz, Ayarlar'daki uyum profilini hesaba katarak "bu işime yarar mı" sorusunu cevaplıyor. Bir kez çalışır; günlük koşular buna dokunmaz. Saatlik sınır var — bir kaynaktan en fazla 3 analiz.