CMU 研究人员推出 WebArena:一个真实可复现的网络环境，用于评估实用代理的性能。他们提供了四个真实的网络应用程序，用于训练自主代理执行特定任务。为了模拟人类问题解决，WebArena 还嵌入了工具和知识资源作为独立的网站。WebArena 引入了一个基准测试，将高级逼真自然语言命令解释为具体的基于 Web 的交互。

项目地址:https://github.com/web-arena-x/webarena

研究人员使用自然语言命令评估了多个代理的性能，并发现目前的大型语言模型在处理复杂任务时存在问题。因此，他们认为这些模型缺乏主动探索和错误恢复的关键能力。整个研究工作已在 Paper， Project Page 和 Github 上公开。

产品特点:

- 提供逼真的 Web 环境，模拟真实世界网站的功能和数据

- 嵌入工具和知识资源，使智能体能够模拟人类问题解决能力

- 提供基准测试，测试高级逼真自然语言命令的解释和交互能力

- 提供已注释程序，验证任务功能的正确性

相关标签： CMU 研究人员推出 WebArena 为实用代理提供真实可复现的网络环境