网站 · 项目档案
Online-Mind2Web
面向公开在线网站的任务基准，提供轨迹提交规范和 WebJudge 评估，与离线 Mind2Web 数据集分别维护。
它可以用来做什么？
在在线网站上评估端到端网页 Agent，并检查其操作记录和截图证据。
使用前需要知道什么？
在线网站和任务定义会变化，应记录任务版本与运行日期。自动评分采用模型评审；排行榜人工审核另有提交和收费规则。
我们核查了什么？
本条目依据原始项目材料整理，未独立运行或复现结果。AI 参与开发的描述来自作者说明；上游版本、运行条件和许可应以原始来源为准。
- 资源类型
- 评测套件
- 开发方式
- 开发方式未确认
- 来源核查
- 平台
- Web