CMU与Browser Use发布长程网页智能体基准

卡内基梅隆大学与Browser Use合作发布Odysseys2长程Web Agent基准，包含100个真实用户请求任务，并开放任务说明及982项评分标准。团队称其是目前最难的长程网页智能体基准。 评测对比了15个智能体和3种浏览器智能体框架，由LLM评审结合动作历史与截图判断完成情况。当前表现最佳的GPT-6 Astra仅完整完成47项任务，显示现有智能体在长程网页操作中仍有明显差距。

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。