WebArena-Pro 发布:300 任务 20 应用多模态 Web Agent 基准
xhluca · x · 2026-11-16
McGill/Mila 等机构团队(Imene Kerboua、Xing Han Lu、Siva Reddy 等)发布 WebArena-Pro,已入选 NeurIPS 2026 E&D Track,将在 NeurIPS Paris 报告。
- 规模与形态:300 个任务、20 个自托管应用,覆盖生产力、沟通、分析、业务运营、设计与媒体、旅行六大领域。
- 多模态:Agent 需要读文本、看图、听音频、看视频才能完成任务,而非纯文本操作。
- 可复现:每个任务在隔离环境中运行,结果可重复、可对比。
- 项目页附带排行榜(50 步预算的整体成功率与分领域成功率),代码在 GitHub、数据在 Hugging Face 开放。
「编程与Agent」频道最新
- 1000 个 Agent 写 60 万行 Python:无权重聊天机器人打平 SmolLM — lvwerra · 2026-11-16
- 本周自改进 agent 论文扎堆:多数涨的是刷榜能力而非真实任务 — TheTuringPost · 2026-11-16
- 1000 个 agent 协作一周写出 63 万行 Python 聊天机器人,零参数零训练 — _lewtun · 2026-11-16
- 11 个 AI agent + 1 个人:单人内容公司月入 3 万美元的完整打法 — VibeMarketer_ · 2026-11-16
- Hugging Face 发布 3D 生成模型 TRELLIS.2 微调完全指南 — ariG23498 · 2026-11-16
- McGill-NLP 发布 WebArena-Pro:20 个应用 300 任务的多模态 Web Agent 基准 — McGill-NLP · 2026-11-16