BreakingWeb浏览器代理基准测试发布

2026年10月21日，研究团队Xunjian Yin等人在arXiv发布基准测试BreakingWeb。该测试包含519个任务对，通过受控干预改变网站内容、服务器状态或网络响应，使6个浏览器代理的平均通过率下降22.9个百分点，而人类用户首试通过率仅下降10.0个百分点。分析显示，75%的代理失败源于信念错误，即在未完成必要更改时宣告任务结束。代码、数据与环境已公开。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。