arXiv · AI· David Nukrai, Bar Alon, Nativ Levy, Ido Andrew Atad, Ido Cohen, Itamar Zimerman, Lior Wolf, Eli David, Ilan Naiman·· 2026-10-14AI 评分43
EvoWeb: 面向演化型 Web 应用的编码智能体基准测试
EvoWeb: A Benchmark for Coding Agents on Evolving Web Applications
AI 导读
研究团队推出基准测试 EvoWeb,通过 32 个 Web 应用的 320 个累积请求评估编码智能体。 智能体在持久代码库中迭代修改,多模态 Web 智能体在实时浏览器中测试每个中间应用,评估新功能、跨请求集成及既有功能。 实验表明跨请求集成是关键挑战,依赖更深的后续请求解决准确率更低,运行时错误随请求次数增加而变多。
来源:arXiv · AI · arxiv.org