2026 m. Stanfordo „AI Index“ ataskaitoje matyti ryški DI pažanga atliekant kompiuterio užduotis. Toje pačioje ataskaitoje pateikiamas ir žemesnis DI rezultatas, kai užduotis yra nuskaityti rodyklinį laikrodį. Norint suprasti, kaip tai susiję su jūsų darbu, verta pradėti nuo užduoties aprašo ir nuo to, kaip skaičiuotas rezultatas.
Ką matuoja kompiuterio užduočių testas
OSWorld apima šimtus užduočių, pavyzdžiui, darbą su failais, darbalaukio programomis ir naršykle. Ataskaitos OSWorld diagramoje pateiktas DI rezultatas – 66,3 %, o orientacinis žmonių rezultatas – apie 72 %. Vertinant tokį skaičių svarbu žinoti, kokia testo versija naudota, kiek žingsnių agentui leista atlikti ir ar jam suteikta papildomų įrankių.
Stanfordo techninės pažangos skyrius ir OSWorld projekto dokumentacija.
Ką turi atlikti DI, kad perskaitytų laikrodį
ClockBench užduotyse pateikiami rodyklinių laikrodžių vaizdai. Ataskaitoje vieno iš stipriausių tuomet įvertintų modelių rezultatas siekė apie 51 %, o žmonių – apie 90 %. Pavyzdys padeda įvertinti, kiek užduotis priklauso nuo tikslaus vaizdo supratimo. Jei DI nuskaito skaitiklio rodmenį, įrankio atsakymą pasitikrinkite padidintame vaizde.
ClockBench užduotys ir rezultatų lentelė. Joje rezultatai papildomi, todėl ataskaitos skaičiai atspindi jos rengimo metu pasirinktą palyginimą.
Kaip per 15 minučių išbandyti savo užduotį
- Rinkitės vieną pasikartojantį veiksmą, pavyzdžiui, iš viešo renginio pranešimo išrašyti datą, laiką ir vietą. Paimkite tris skirtingus pranešimus.
- Žinodami teisingus atsakymus iš anksto, vertinkite kiekvieną lauką atskirai. Užrašykite, kiek kartų teko pataisyti datą, laiką arba vietą.
- Fiksuokite laiką kartu su atsakymo patikra. Tada aiškiau pamatysite, kur DI padeda ir kur žmogaus peržiūra vis dar užima daugiausia laiko.
Pirmą bandymą galite atlikti pagal vienos savaitės DI mokymosi planą. Su skaičiais pravers lentelės formulės patikros užduotis.

















