AGI Hunt· dan_fried·· 3 小时前AI 评分61
CMU与Browser Use发布Odysseys2长程Web Agent基准
CMU×Browser Use 发布 Odysseys2:最难长程 Web Agent 基准,SOTA 仅完成 47/100
AI 导读
Browser Use与卡内基梅隆大学合作推出Odysseys2长程Web Agent基准，包含100个真实用户请求任务。当前SOTA Agent（GPT-6 Astra）仅完整完成47/100个任务；团队共对比15个Agent和3种browser-agent harness，并以LLM judge结合动作历史、截图及982项rubric进行评估。
来源：AGI Hunt · agihunt.info