Loading...
🌐
WebArena 评估套件(WebArena)
涵盖 WebArena、VisualWebArena 和 WorkArena 的全面 Web 智能体评估，用于在沙箱环境中测试真实的 Web 交互。
复杂度: high评估与监控
In 30 seconds
- What
- 在真实网站的沙箱副本上运行 Web 智能体，衡量其在代码仓库、电子商务、社交媒体和企业工作流中的任务成功率。
- When to use
- 在投入生产之前，你需要可复现、可量化的证据来证明 Web 智能体能否应对真实的多步交互。
- Watch out
- 搭建成本高、评测运行时间长；结果未必能迁移到真实站点，那里有动态内容、反爬措施，以及你的智能体从未见过的页面布局。
Loading technique guide…