Loading...
🌐
WebArena 評価スイート(WebArena)
WebArena、VisualWebArena、WorkArena を含む、Web エージェントの包括的な評価。サンドボックス環境で現実的な Web 操作をテストします。
複雑さ: high評価とモニタリング
In 30 seconds
- What
- 実在するウェブサイトのサンドボックス複製上でウェブエージェントを動かし、コードリポジトリ、EC、ソーシャルメディア、業務ワークフローにわたるタスク成功率を測定する。
- When to use
- 本番導入の前に、ウェブエージェントが現実的な多段階のやり取りをこなせるかどうかを、再現可能で定量的な根拠として示す必要があるとき。
- Watch out
- セットアップの負担が大きく、評価の実行にも時間がかかる。動的コンテンツ、ボット対策、エージェントが学習していないレイアウトを持つ実サイトには、結果がそのまま当てはまらないこともある。
Loading technique guide…