WebArena-Pro 发布:20 个真实网站、400 任务测浏览器 agent
xhluca · x · 2026-11-17
McGill NLP 团队推出 WebArena-Pro,针对 WebArena、VisualWebArena、WorkArena 等知名基准只覆盖最多 5 个网站、遗漏大量常见站点的不足,纳入 Airbnb、Google Flights、Dropbox 等 20 个流行网站,横跨预订、视频、办公等场景。
基准共 400 个任务(100 开发 / 300 测试),支持多模态交互与分层 DAG 评估,可自托管复现。评测代码已支持通过 BrowserGym/AgentLab、Harbor 或连接浏览器/媒体 MCP 服务的外部 agent 运行,并配有便捷管理评测的 CLI 工具。
所属事件:McGill 团队发布 WebArena-Pro 浏览器智能体基准(4 条相关)→
「编程与Agent」频道最新
- Caltech 数学马拉松夺冠:用 agent 集群在 Lean 中形式化 BPHZ 定理 — ctjlewis · 2026-11-17
- Baseten 发布语音 Agent 基础设施栈,延迟亚秒级、每分钟约 1 美分 — baseten · 2026-11-17
- 开发者自建自托管 MCP 网关,统一管理鉴权与多服务器部署 — hakku276 · 2026-11-17
- Hala MCP + Claude Opus 组合实测:一句话生成专业级动态图形视频 — aziz4ai · 2026-11-17
- 浏览器 Agent 评测工具开源:支持 BrowserGym/Harbor/MCP 一键跑评测 — xhluca · 2026-11-17
- 用户吐槽 GTM agent 失忆:4 个月前的对话历史全丢 — Common_Dream9420 · 2026-11-17