AutomationBench
Zapier / Travail professionnel · Automatiser des tâches à travers les logiciels bureautiques
Ce qu'il mesure, comment il le mesure
Comparer uniquement les configurations d'un même jeu de test privé officiel ; Fable 5.1 les lignes de repli mélangeant Opus 5 doivent être exclues.
Comment utiliser ces preuves
Sous observation : le jeu de questions public ne correspond pas aux données du classement privé officiel ; l'export stable et le marquage des modèles mixtes restent à confirmer.
Limites de l'évaluation et attribution des données
Sous observation : le jeu de questions public ne correspond pas aux données du classement privé officiel ; l'export stable et le marquage des modèles mixtes restent à confirmer.
Licence des données :Limites d'usage des données du classement à confirmer
Résultats publiés par Zapier ; les scores bruts de chaque épreuve utilisent des échelles différentes et ne peuvent pas être additionnés directement ; le rang de référence applique des règles publiques de normalisation des écarts.