arXiv · AI· Imene Kerboua, Fatemeh Pesaran Zadeh, Xing Han L\`u, Weijian Qi, Alexander Miller, Junyi Song, Yunjia Tian, Dongjin Kang, Seyeon Choi, Marzia Nouri, Ewen Gueguen, Matteo Boglioni, Fengyuan Liu, Zeyi Liao, Mengqi Yuan, Yue Li, Alexandre Lacoste, Alexandre Drouin, Spandana Gella, Huan Sun, Gunhee Kim, Siva Reddy·· 4 天前AI 评分35
WebArena-Pro:面向 Web 智能体的异构多模态可复现基准
WebArena-Pro: A Heterogeneous, Multimodal, Reproducible Benchmark for Web Agents
AI 导读
WebArena-Pro 包含 20 个自托管应用中的 300 项任务,评估 6 个领域类别的异构 Web 智能体。 该基准支持音频和视频作为核心观察模态,最佳成绩为 62.3%。 WebArena-Pro 已被 NeurIPS 2026 E&D Track 接收。
来源:arXiv · AI · arxiv.org