ShopGym 开源浏览器智能体评测环境

ShopGym 是一个面向浏览器智能体的自托管评测环境，包含商店、后台、27 个任务及检查器。智能体可通过截图、带稳定元素 ID 的页面文本和浏览器动作操作网站，检查器会核对数据库状态与回答并惩罚无关副作用。项目采用确定性种子、数据库隔离和可恢复并行运行，附有 oracle、no-op 与 random 基线，但尚未调用真实模型验证。