Popular：
Virtualization DNS security formal verification reachability analysis compiler errors macro conflict web extension development framework Bitmap Graphics API inconsistencies All Tags

Web Bench：全新网页浏览代理评估基准数据集

2025-05-29
Web Bench：全新网页浏览代理评估基准数据集

Web Bench是一个评估网页浏览代理的新数据集，包含来自452个不同网站的5750个任务，其中2454个任务已开源。该基准测试揭示了现有代理在处理写入密集型任务（如登录、填写表单和下载文件）方面的不足，并强调了浏览器基础设施的重要性。Anthropic Sonnet 3.7 CUA在测试中表现最佳。

(blog.skyvern.com)
AI 网页浏览代理