WebArena-Pro 发布:20 个自托管应用、多模态 400 任务测网页 Agent
xhluca · x · 2026-11-17
研究团队发布 WebArena-Pro,一个面向 AI 网页 Agent 的异构、多模态、可复现基准,将在 NeurIPS 2026(巴黎)正式报告。
要点:
- 沙箱环境包含 20 个自托管网页应用,任务覆盖文本、视觉、音频、视频多模态,共约 300–400 个任务
- 内置公开排行榜(支持按领域、步数预算筛选),要求最终 reward=1 才算成功
- 当前最佳 agent 成功率 62.3%(50 步预算),仍有较大提升空间
- 提供 arXiv 论文、GitHub 代码与 Hugging Face 资源
「编程与Agent」频道最新
- 开发者晒 Agent 集群「星座视图」:每颗星是一个运行中的 Agent — kevinkern · 2026-11-17
- 「星座视图」:把多智能体监控看成一片星空 — kevinkern · 2026-11-17
- 当 AI 游戏导演:一条批注让 agent 重做灯塔前后对比 — chrisfirst · 2026-11-17
- Epic MegaJam 参赛者当「导演」:发笔记让 Agent 修游戏四天做出 demo — chrisfirst · 2026-11-17
- 943 个 agent 花掉 115 亿 token:97% 用在重读自己的上下文 — chrisfirst · 2026-11-17
- 4 天、943 个 AI 智能体、115 亿 token:他造出特技驾驶游戏 Cruise Control — chrisfirst · 2026-11-17