最大浏览器 Agent 基准 WebArena-Pro 发布,最佳成绩仅 62.3%
xhluca · x · 2026-11-17
WebArena-Pro 发布,号称迄今规模最大、最具挑战性的浏览器操作 Agent 基准:覆盖 20 个应用和 4 种模态。作者评测的最好的 Agent 也只能解决 62.3% 的任务,说明真实网页环境下自主浏览操作仍有很大提升空间。
「编程与Agent」频道最新
- Wajo 推出数字分身 Fo:专属手机号和邮箱替你接电话回邮件 — khant_dev · 2026-11-17
- 58M 行 Chromium 代码全量读取分析仅用 50 秒引开发者惊叹 — sull · 2026-11-17
- CMU等发布Singularity-Bench:Opus 5.5+Claude Code全面超越人类基线 — armand_ruiz · 2026-11-17
- AI 平台安全自查清单:网关默认密钥、无鉴权推理端点、永不过期 token — mclynd · 2026-11-17
- Every 员工用 Google Docs 编辑记录克隆自家编辑,打造虚拟审稿人 — danshipper · 2026-11-17
- YC 系 OpenCrawl 开源上线:让团队内编码智能体互相搜索、直接对话 — ycombinator · 2026-11-17