跳到正文
热点事件持续更新

WebArena-Pro多模态Web基准发布

1 篇报道1 个报道来源30 分钟前更新

先了解这件事

AI 综述

McGill-NLP与Mila、ServiceNow等机构发布并开源WebArena-Pro多模态Web Agent基准;Codex+GPT 6.1 Sol与Claude Code+Claude Opus 5.5以62.3%的得分并列最佳。 该基准包含20个可自托管Web应用中的300个任务,覆盖六大领域,并将音频、视频作为核心观测模态,配有专门的信息提取动作。任务采用隔离运行方式,支持并行、可复现评测,以补充现有可复现基准较少评测音视频理解的缺口。

AI 根据报道生成 · 20 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月16日
  1. AGI Hunt
    McGill-NLP 发布 WebArena-Pro 多模态 Web Agent 基准

    McGill-NLP 发布 WebArena-Pro,一个包含20个自托管 Web 应用、300个任务的多模态 Web Agent 基准,覆盖六大领域并纳入音视频观测模态。该基准由 McGill、Mila、ServiceNow 等机构合作完成,项目页与代码已开源;Codex+GPT 6.1 Sol 与 Claude Code+Claude Opus 5.5 以62.3%并列最佳。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。