NeurIPS 论文 BreakingWeb：强浏览器 Agent 在受控变体上近半数失败

xunjianyin 团队发布 NeurIPS 2026 工作 BreakingWeb，通过受控干预 Web 应用栈构造困难变体，测试浏览器 Agent 的鲁棒性。强浏览器 Agent 在这些变体上约一半任务失败，而人类受到的影响明显更小；该工作也可作为浏览器 Agent 的对抗性评测基准。