研究者提出BreakingWeb浏览器智能体基准

Xunjian Yin等作者提出BreakingWeb浏览器使用任务基准：每个任务在未修改的网站和受干预版本上各运行一次，干预是对网站内容、服务器状态、网络响应或渲染页面的受控改变，共519个任务对、覆盖7个自托管网站，按网站最终后端状态评分。 该基准的难度来自受控环境干预，而非另建任务；报道未给出各智能体在该基准上的成绩或排名。

AI 根据报道生成 · 58 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。