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)→
「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
- WebArena-Pro 发布:20 个真实网站、400 任务测浏览器 agent — xhluca · 2026-11-17