网站 · 项目档案
WebArena-Verified
独立维护的 WebArena 评测产物，提供修订任务、结构化答案检查及基于已记录网络轨迹的离线判分。
它可以用来做什么？
通过确定性的规范化及结构检查，对已记录网页 Agent 输出重新评分，或在支持的自建网站上收集新运行。
使用前需要知道什么？
它修订原始 WebArena 任务族。v1.2.3 的812项完整任务及258项 Hard 子集，不是可叠加到 WebArena 的新独立任务。离线判分需指定的答案和轨迹产物；收集新轨迹仍需网站及重置。应固定评分器、数据和镜像版本，成绩不一定与原始评分器一致。
我们核查了什么？
运行方式：支持 Python >=3.11 的 CLI／软件包或 Docker。评分器读取 Agent 答案和网络事件记录；网站容器及可选地图／维基百科下载需另行配置。本次未启动容器、重放任务或重置状态。
许可说明：评分代码及 v1.2.3 数据卡声明 Apache-2.0，底层网站软件与内容仍适用各自条款。 上游许可 ↗
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