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)→

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →