BreakingWeb测试浏览器Agent鲁棒性

xunjianyin团队发布NeurIPS 2026工作BreakingWeb，对浏览器Agent的鲁棒性进行受控评测。团队选取原本已能完成的任务，通过干预Web应用栈构造困难变体，测试发现强浏览器Agent在约一半任务上失败，而人类受到的影响明显更小。该工作同时可作为浏览器Agent的对抗性评测基准。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。