WebArena / VisualWebArena
自托管网页环境上的真实任务。VisualWebArena 加入视觉输入。
自托管网页环境上的真实任务。VisualWebArena 加入视觉输入。
评估集信息
- 所属套件
- Agent 决策
- 分组
- C Agent 与工具调用
- 决策类型
- 任务成功
- 样本量
- 812 个 case
- 主指标
- 成功率
- 优化方向
- 越高越好
- 参评模型
- 0 个
- 数据许可证
- 见官方页面
这个评估集测什么
自托管网页环境上的真实任务。VisualWebArena 加入视觉输入。
在该评估集上的模型成绩（0 个）
暂无模型在该评估集上的公开成绩。