Android Control Low_EM

Android control benchmark evaluating autonomous agents on mobile device interaction tasks with low exact match scoring criteria

评测信息与证据

本站保留来源报告的结果，不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期；不同运行条件不能直接合并为统一排名。

按来源中的观察顺序展示，顺序不代表排名。日期保留原始精度。

模型	数值	单位	协议	报告日期与口径	来源
Qwen2.5 VL 72B Instruct	0.937	未收录	未收录	2025-01-26 · model_announcement	LLM Stats
Qwen2.5 VL 32B Instruct	0.933	未收录	未收录	2025-02-28 · model_announcement	LLM Stats
Qwen2.5 VL 7B Instruct	0.914	未收录	未收录	2025-01-26 · model_announcement	LLM Stats