DynaRev基准评估网页Agent动态改目标

1. 12:00
   arXiv cs.AI

   DynaRev：评估动态目标修订下的 Web Agent 基准

   DynaRev 是一个包含 181 个任务的基准，用于评估 Web Agent 在任务执行过程中面对用户动态修订目标时的表现。它通过语义里程碑在任务既定阶段下发修订，覆盖增量修订、无条件覆盖和运行时条件覆盖三类，并从正确性、响应性和效率三方面评估。五模型评测显示 Agent 往往只满足部分任务要求，保留浏览器状态并重写指令可带来收益，而重置浏览器则造成损失。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。