为什么重要
让 Agent 在真实浏览器中操作 15 个网站完成 643 个任务。GPT-4V 达 55.7%。
构建方式与示例
真实浏览器操作。例如：“在 Booking.com 搜索下周末东京的酒店，筛选评分 8 分以上。“
返回评测
Agent Agent-Web 未饱和
模态 · 截图
任务 · 执行验证
WebVoyager
643 个基于真实网站的端到端浏览任务，Agent 在真实浏览器中操作
Zhejiang U & Tencent ·
考察能力
网页浏览 端到端操作 多步导航
构建信息
- 数据规模
- 643 tasks / 15 websites
- 构建方式
- 真实网站 + 人工设计
- 评测方式
- 任务完成 + GPT-4V 自动评判
- 核心指标
- Task Success (%)
模型效果排行
🥇 GPT-4V
55.7% 2024-01
网页浏览 端到端 Agent