跳到主要内容
检索

# 网页智能体

1 篇关联报道

订阅更新
  1. arXiv

    WebArena-Pro把音频视频纳入网页智能体评测:20个自托管站点、300道题,最强组合只过62.3%

    WebArena-Pro是一个可复现的网页智能体基准,包含20个自托管网页应用、6个领域类别和300道人工验证任务,并把音频与视频作为与文本、视觉并列的核心观测。此前可复现的自托管基准只覆盖少数应用类别,且模态限于文本和视觉;实时基准站点更广却在两次运行之间发生页面漂移。评测中Codex配GPT 6.1 Sol与Claude Code配Claude Opus 5.5并列最高,成功率62.3%,跨站任务普遍低于单站任务。

已读完全部报道