WebArena-Pro 开源:400 任务 20 网站,浏览器 agent 评测上线

xhluca · x · 2026-11-17

McGill NLP 团队发布 WebArena-Pro,一个可自托管、可复现的浏览器 agent 异构多模态基准:400 个任务覆盖 20 个流行网站(含 Airbnb、Google Flights、Dropbox 等 WebArena 系基准此前未覆盖的站点),分为 100 个开发任务和 300 个测试任务,支持多模态交互与分层 DAG 评估。

评测代码已就绪,支持三种接入方式:BrowserGym/AgentLab(带监督 worker 与 study 仪表盘)、Harbor,或通过浏览器/媒体 MCP 服务连接外部 agent。作者 @imenelker 还构建了一个 CLI 工具,大幅简化评测管理(环境拉取、启动、仪表盘等子命令一应俱全)。

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 →