网站 · 项目档案
WebArena
可自行部署的网站及任务评分器，覆盖购物、论坛、内容管理和软件协作等网页操作。
它可以用来做什么？
通过可执行的结果检查，评估 Agent 是否完成多步骤网页任务。
使用前需要知道什么？
可复现评测需要自行部署服务并控制状态重置，共享演示不能替代。WebArena-Verified 单独修订同一任务族及评分器。原始／Verified 及完整／Hard 数量不能相加，报告成绩应注明评分器版本。
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
- 环境与评测
- 开发方式
- 开发方式未确认
- 来源核查
- 平台
- Web