Hugging Face Daily Papers·· 6 天前AI 评分58
WebArena-Pro:面向 Web 智能体的异构、多模态且可复现的基准测试
WebArena-Pro: A Heterogeneous, Multimodal, Reproducible Benchmark for Web Agents
AI 导读
WebArena-Pro 是一个包含 300 个任务的基准测试,覆盖 20 个自托管 Web 应用及六类领域,支持文本、视觉、音频和视频四种核心模态。该基准在 NeurIPS 2026 E&D Track 被接收,旨在解决现有基准覆盖面窄、不可复现或缺乏音视频评估的问题。
来源:Hugging Face Daily Papers · arxiv.org