EvoWeb 基准:320 个连续请求实测编码 agent 演进式 Web 开发能力
TD-Labs · hf · 2026-10-20
Tel Aviv 创业团队与大学合作发布 EvoWeb,首个针对「演进式 Web 应用开发」的编码 agent 基准,已挂 arXiv(2026 年 10 月)。
核心设计:
- 32 个 Web 应用、共 320 个累积请求,需求来自真实产品功能,按功能依赖图组织
- agent 在持久代码库上迭代修改,而非从零按固定规格生成
- 由多模态 web agent 在真实浏览器中测试每个中间版本,评估新功能、跨请求集成、以及既有功能的回归
- 用用户容忍度阈值上的轨迹性能刻画可靠性,不设固定停止标准
发现:前沿开源/闭源模型间差异明显;跨请求集成是最大难点;依赖更深/更多的后期请求解决率更低,runtime 错误随请求推进越来越频繁。
「编程与Agent」频道最新
- Agent 触碰生产数据前必答：20 题就绪度自测清单 — Then_Respect_1964 · 2026-10-20
- Every 展示 Slack Agent 工作流:文章链接一键生成视频,先出分镜再渲染 — every · 2026-10-20
- 别当 agent 的人肉代理：让数字分身忠实传递你的想法 — danshipper · 2026-10-20
- Adam Workspace 发布：用 AI agent 编排 CAD/CAE/PLM 全工具链 — burhop · 2026-10-20
- 开发者劝退「个人软件工厂」:直接在聊天框里做产品 — rseroter · 2026-10-20
- 15k 星 Claude SEO 工具箱并入 Hermes,一个插件覆盖 45 项 SEO 技能 — MicahBerkley · 2026-10-20