Mobile Agent V3在OSWorld上测试

[BUPTyj]

测试的时候我发现最终准确率没有达到论文中的值，请问

1. 你们在测试时大概准确率波动范围是多少呢
2. 使用的模型是Gui-Owl 32B还是Gui-Owl 7B的

[BUPTyj]

我发现OSWorld中multi_apps类任务原本有101个任务，但是在官网公布报告中GUI-Owl 7B和Mobile Agent V3只测试了93个任务。这是出于什么情况考虑呢，有哪些任务被剔除了？