**AgentProofBench：首个可复用 Web 智能体验证基准，揭示规则与执行间的关联**

_AgentProofBench: Benchmarking Reusable Verifiers for Web Agents_

> 该研究提出了 AgentProofBench 基准，旨在评估可复用的 Web 智能体验证器。该基准通过连接冻结的验收规则测试与基于相同初始状态的执行，解决了验证规则需适应动态需求的问题。实验基于 DeepSeek Flash/Pro 模型，在 97 个任务中验证了 48 个任务族的程序复用性，并发现部署状态面板的正确性能有效区分程序分配错误。此外，基准还提供了连接测试失败与执行后果的完整指令、状态和轨迹，为衡量门控策略的价值提供了具体基准。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-27 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.34634)