arXiv · AI· Jingjie Ning, Xueqi Li, Yi Lu, Yibo Kong·· 24 天前AI 评分23
AgentProofBench:评估 Web 智能体可复用验证器的基准
AgentProofBench: Benchmarking Reusable Verifiers for Web Agents
AI 导读
研究提出基准 AgentProofBench,用于评估 Web 智能体可复用验证器,涵盖 97 个任务和 4 个 Web 服务。 利用 DeepSeek Flash/Pro 测试发现,部署状态面板正确率能区分不同程序的执行结果,为衡量验证门控价值提供基线。
来源:arXiv · AI · arxiv.org